Robust Explanations for User Trust in Enterprise NLP Systems

Diese Forschung schlägt ein vereinheitlichtes Black-Box-Robustheitsbewertungsrahmenwerk für Token-Level-Erklärungen vor, um das Benutzervertrauen in Unternehmens-NLP-Systeme zu verbessern, insbesondere bei der Migration zu LLMs. Es operationalisiert Robustheit über die Top-Token-Flip-Rate unter realistischen Störungen und führt einen systematischen Vergleich über verschiedene Encoder- und Decoder-Architekturen wie BERT, RoBERTa, Qwen und Llama durch.