NeurIPS 2026 论文提出用MLLM辅助评估XAI

Kenny 等在 NeurIPS 2026 论文中研究多模态大语言模型（MLLM）能否作为人类受试者的替代，自动化评估可解释 AI（XAI），并提出 "purpose-grounded" 评估框架。作者称，其结论并非要取代用户测试，而是帮助 XAI 研究者补充现有评估方法。 论文在模型改进等五个领域对 14 个主流 MLLM 进行实证测试，结果显示所有模型趋势积极，其中 OpenAI 和 Qwen 系列与人类判断的对齐度最高，作者推荐其作为实践中的选择。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。