arXiv · cs.AI· Emmanouil Panagiotou, Eirini Ntoutsi·· 1 天前
FlowCF：利用流匹配为混合类型表格数据生成稀疏反事实解释
FlowCF: Sparse Counterfactual Explanations for Mixed-Type Tabular Data using Flow Matching
arXiv:2610.08537v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Emmanouil Panagiotou, Eirini Ntoutsi
研究任务与主要进展
论文提出模型无关的生成方法 FlowCF，将混合类型表格数据的反事实解释建模为从事实类别到目标类别的稀疏传输，并通过流匹配合并不同特征类型、利用门控网络减少变更特征。摘要称，在六个基准数据集上，FlowCF 修改了29%的数值特征，而最佳基线修改89%，位移缩小70%，并在其他目标上保持可比表现；以上结果仅依据论文摘要。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org