interpretable AI

4 items

RESEARCHarXiv CS.LG·13/04/2026

MolPaQ: Modular Quantum-Classical Patch Learning for Interpretable Molecular Generation

MOLPAQ est un nouveau générateur modulaire quantique-classique qui crée des molécules interprétables à partir de patchs latents générés quantiquement, atteignant 100% de validité RDKit et une grande nouveauté et diversité. Cette approche améliore significativement le contrôle des propriétés telles que le QED et l'incidence des motifs aromatiques par rapport aux générateurs classiques.

Quantum Machine Learning Molecular Generation generative models drug discovery

RESEARCHarXiv CS.AI·il y a 26j

Revealing Interpretable Failure Modes of VLMs

Malgré leurs larges capacités de raisonnement, les Modèles Vision-Langage (VLMs) peuvent présenter des défaillances catastrophiques dans des situations réelles. REVELIO est un cadre pour découvrir systématiquement des modes de défaillance interprétables dans les VLMs, combinant une recherche en faisceau consciente de la diversité et un échantillonnage de Thompson par processus gaussien pour cartographier le paysage des défaillances.

failure modes AI models VLMs Reliability

RESEARCHarXiv CS.AI·06/04/2026

Interpretable Deep Reinforcement Learning for Element-level Bridge Life-cycle Optimization

O artigo aborda a aplicação de Aprendizado por Reforço Profundo interpretável para a otimização do ciclo de vida de pontes em nível de elemento. Ele busca oferecer transparência e eficiência na gestão da infraestrutura.

Deep Reinforcement Learning Optimization interpretable AI Civil Engineering

RESEARCHarXiv CS.LG·22/04/2026

Beyond Coefficients: Forecast-Necessity Testing for Interpretable Causal Discovery in Nonlinear Time-Series Models

Cet article propose une nouvelle méthode, le test de nécessité de prévision, pour la découverte causale interprétable dans les modèles de séries temporelles non linéaires. Il vise à dépasser les coefficients traditionnels pour mieux comprendre les relations causales complexes.

nonlinear models Causal Discovery interpretable AI Time Series Analysis