arXiv · cs.AI· Hanwei Zhang, Tianma Hu, Gaojie Jin, Xu Cheng, Ronghui Mu·· 6 小时前
概念瓶颈模型在几何—语义扰动下的鲁棒性分析
Interpretable but Fragile? Robustness of Concept Bottlenecks under Geometric-Semantic Perturbations
arXiv:2609.38625v2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：Hanwei Zhang, Tianma Hu, Gaojie Jin, Xu Cheng, Ronghui Mu
研究任务与主要进展
作者提出生成器驱动的评估框架，在连续几何扰动和离散语义干预两类条件下比较标准分类器与概念瓶颈模型的鲁棒性。基于论文摘要，研究结合预测与概念级敏感性指标、随机平滑认证，以及类别语义相似度和概念词汇量等任务条件，分析可解释性与鲁棒性的关系；结果显示，概念瓶颈并不会普遍提升鲁棒性，而是会改变敏感性的表现位置和方式。
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