संभाव्यता परिदृश्यों में एकलवाद और मॉडल समपोषण स्पष्टीकरणों का निर्माण

स्पष्टीकरण निर्माण ढांचे का उद्देश्य एआई प्रणालियों के निर्णयों को मानव उपयोगकर्ताओं के लिए पारदर्शी और समझने योग्य बनाना है। हालाँकि, अधूरी जानकारी और संभाव्य मॉडल की विशेषता वाले अनिश्चित वातावरण में स्पष्टीकरण उत्पन्न करना एक महत्वपूर्ण चुनौती बनी हुई है। इस पत्र में, हम संभाव्य एकलवादी स्पष्टीकरणों और मॉडल समपोषण स्पष्टीकरणों के निर्माण के लिए एक नया ढांचा प्रस्तुत करते हैं। एकलवादी स्पष्टीकरणों में स्पष्टीकरण प्राप्त करने वाले एजेंट पर विचार किए बिना स्पष्टीकरण का कारण प्रदान किया जाता है, जबकि मॉडल समपोषण स्पष्टीकरण एजेंट के ज्ञान को ध्यान में रखते हैं। एकलवादी स्पष्टीकरणों के लिए, हमारा दृष्टिकोण स्पष्टीकरण की संभावना बढ़ाने के लिए संभाव्यता तर्क का उपयोग करके अनिश्चितता को एकीकृत करता है। मॉडल समपोषण स्पष्टीकरणों के लिए, हम एक ऐसा ढांचा प्रस्तावित करते हैं जो संभाव्य मानव मॉडलों के लिए मॉडल समपोषण समस्या के तर्क-आधारित भिन्नता का विस्तार करता है, जहाँ लक्ष्य उन स्पष्टीकरणों को खोजना है जो स्पष्टीकरण की संभावना को बढ़ाते हैं जबकि स्पष्टीकरण और संभाव्य मानव मॉडल के बीच विवादों को न्यूनतम करते हैं। हम इन स्पष्टीकरणों की गुणवत्ता का आकलन करने के लिए संख्यात्मक मानकों के रूप में स्पष्टीकरण लाभ और स्पष्टीकरण शक्ति को प्रस्तुत करते हैं। इसके अलावा, हम ऐसे एल्गोरिदम प्रस्तुत करते हैं जो संभाव्य संदर्भों में दोनों प्रकार के स्पष्टीकरणों को कुशलतापूर्वक गणना करने के लिए न्यूनतम सुधार सेट और न्यूनतम असंतोषजनक सेट के बीच द्वैतता का लाभ उठाते हैं। विभिन्न बेंचमार्क पर व्यापक प्रयोगात्मक मूल्यांकन हमारी विधि की प्रभावशीलता और स्केलेबिलिटी को अनिश्चितता के तहत स्पष्टीकरण उत्पन्न करने में दिखाते हैं।