arXiv · cs.AI· Lefebvre Renard Cl\'ement, L\'eb\'e Vincent, Da Silva Ribeiro Pereira Ricardo, Sundell Johan, Jaoul Arnaud, Saiah Kenza, Mijatov\'ic Nenad·· 1 天前
铁路应用建立AI信任的三大领域：鲁棒性、运行设计域与可解释性
Building Trust in Artificial Intelligence: A Necessity for Railway Applications
arXiv:2609.18278v2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：Lefebvre Renard Cl\'ement, L\'eb\'e Vincent, Da Silva Ribeiro Pereira Ricardo, Sundell Johan, Jaoul Arnaud, Saiah Kenza, Mijatov\'ic Nenad
研究任务与主要进展
AI因铁路行业严格的标准与法规，目前仅用于非安全关键应用。论文提出从鲁棒性（ISO24029）、运行设计域ODD（DIN DKE SPEC 99004）和可解释性三个领域提升对数据科学与AI算法的信任并达成合规。作者指出这三大方向已有非铁路领域的成熟算法可用，需以系统视角在安全的MLOps环境中持续协同，以促成监管方、运营商和公众的接受。
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