WOMBAT：用于分子基准测试和归因测试的白盒预言机

arXiv:2610.00713v1 公告类型：新 摘要：当图神经网络（GNN）解释器对某个分子生成出乎意料的归因结果时，仅凭归因结果无法判断究竟是解释器失效了，还是模型学到了捷径。我们提出 WOMBAT，这是一个包含 14 个白盒 GNN 的基准测试套件，其中每个模型的消息传递权重均由人工设定，用于检测特定的 SMARTS 基序。每个模型的决策规则在构造时就是已知的，从而提供了归因真值，可据此识别和研究解释器错误。我们在数百万个 PubChem 分子上验证了这些模型，并评估了包括 GNNExplainer、PGExplainer 和 Integrated Gradients 在内的事后解释器。根据定性分析，我们构建了一个模型，使 Integrated Gradients 将归因分散到整个图上，尽管该模型能够可靠地检测目标基序。我们发布数据集、模型和评估代码，以帮助研究人员开发更新的 GNN XAI 工具。