逆向玩转网络：一种博弈论归因框架

arXiv:2605.06212v2 公告类型：替换 摘要：归因方法用于解释哪些输入特征驱动了模型的预测，因此在模型调试和机制可解释性研究中具有核心地位。然而，包括梯度、LRP 和 transformer 专用规则在内的反向归因方法，缺乏一个可用于比较其底层反向计算的统一框架。我们基于 Gaubert 和 Vlassopoulos 的 ReLU Net Game，将反向归因重新表述为扩展网络图上的双人博弈，从而提出了这样一个框架。在特定均衡下，梯度和整个 alpha-beta-LRP 方法族均可表示为对博弈轨迹的积分，因此归因图成为轨迹分布的投影，而不再是首要研究对象。定位聚焦性、对输入噪声的鲁棒性或稳定的注意力路由等期望的解释属性，可以通过策略正则化、风险厌恶和扩展动作集等博弈论概念来刻画，并直接转化为对现有经典反向规则的新型改进。在 ViT-B/16 上，我们选取的一种此类 alpha-beta-LRP 改进方法，在所有考察的定位指标上均优于已有的 transformer 专用反向方法。