什么是Trust Score?
Trust Score将解释器的鲁棒性（输入扰动下解释的稳定性）与保真度（被认定重要的特征是否真正驱动模型预测）两个指标合并为一个综合分数。
A Formal Methodological Framework for Auditing Robustness and Fidelity in Explainable AI: From Application to Trust Certification
（翻译）审计可解释人工智能鲁棒性与保真度的形式化方法论框架：从应用到信任认证
资讯摘要
Abstract page for arXiv paper 2608.23817: A Formal Methodological Framework for Auditing Robustness and Fidelity in Explainable AI: From Application to Trust Certification
AI 摘要
该论文提出一个形式化审计框架，用于衡量事后解释器（如SHAP和LIME）的鲁棒性与保真度，并将二者合成信任分数。在马达加斯加营养缺失数据集上的实验显示，AUC超过0.99的模型仍可能产生退化或无信息解释，过度拟合会削弱保真度指标的区分力。作者强调审计XAI输出是必要的。
AI 问答
研究发现给出什么警示?
研究发现，即使AUC超过0.99的模型也可能产生数值退化或毫无信息的解释，且模型过拟合时保真度指标的区分力下降，因此对XAI输出进行审计十分必要。