概念瓶颈模型可解释但脆弱？几何-语义扰动下的鲁棒性分析
Interpretable but Fragile? Robustness of Concept Bottlenecks under Geometric-Semantic Perturbations
AI 导读
一项被 NeurIPS 2026 接收的研究提出基于生成器的评估框架，在隐空间连续几何扰动与概念空间离散语义干预两类扰动下，对比标准分类器与概念瓶颈模型（CBM）的鲁棒性，并用随机平滑给出经验与认证两方面评估。结果显示可解释性并不天然带来鲁棒性，而是改变敏感性出现的位置和方式，二者是有权衡的不同目标。
来源：arXiv cs.AI · arxiv.org