論文の概要: Interpreto: An Explainability Library for Transformers

• arxiv url: http://arxiv.org/abs/2512.09730v1
• Date: Wed, 10 Dec 2025 15:12:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.569749
• Title: Interpreto: An Explainability Library for Transformers
• Title（参考訳）: Interpreto: トランスフォーマーのための説明可能性ライブラリ
• Authors: Antonin Poché, Thomas Mullor, Gabriele Sarti, Frédéric Boisnard, Corentin Friedrich, Charlotte Claye, François Hoofd, Raphael Bernas, Céline Hudelot, Fanny Jourdan,
• Abstract要約: Interpretoは、テキストHuggingFaceモデルのポストホックな説明可能性のためのPythonライブラリである。 これは、属性と概念に基づく説明の2つの補完的な方法のファミリーを提供する。
• 参考スコア（独自算出の注目度）: 7.728781113727994
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Interpreto is a Python library for post-hoc explainability of text HuggingFace models, from early BERT variants to LLMs. It provides two complementary families of methods: attributions and concept-based explanations. The library connects recent research to practical tooling for data scientists, aiming to make explanations accessible to end users. It includes documentation, examples, and tutorials. Interpreto supports both classification and generation models through a unified API. A key differentiator is its concept-based functionality, which goes beyond feature-level attributions and is uncommon in existing libraries. The library is open source; install via pip install interpreto. Code and documentation are available at https://github.com/FOR-sight-ai/interpreto.
• Abstract（参考訳）: Interpretoは、初期のBERTからLLMまで、テキストHuggingFaceモデルのポストホックな説明可能性のためのPythonライブラリである。 これは、属性と概念に基づく説明の2つの補完的な方法のファミリーを提供する。 このライブラリは、最近の研究とデータサイエンティストのための実践的なツールを結びつけ、エンドユーザに説明をアクセスできるようにすることを目的としている。 ドキュメント、サンプル、チュートリアルが含まれる。 Interpretoは、統一APIを通じて、分類モデルと生成モデルの両方をサポートする。 重要な差別化要因はコンセプトベースの機能であり、これは機能レベルの属性を超えており、既存のライブラリでは珍しくない。 ライブラリはオープンソースで、pip install interpreto経由でインストールする。 コードとドキュメントはhttps://github.com/FOR-sight-ai/interpreto.comで公開されている。

関連論文リスト

• pyvene: A Library for Understanding and Improving PyTorch Models via Interventions [79.72930339711478]
  $textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。 私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
  論文  参考訳（メタデータ） (2024-03-12T16:46:54Z)
• TrueLearn: A Python Library for Personalised Informational Recommendations with (Implicit) Feedback [4.575111313202425]
  この研究は、オンライン学習ベイズモデルのファミリーを含むTrueLearn Pythonライブラリについて説明する。 解釈可能性とユーザ制御のために、TrueLearnライブラリにはさまざまな表現が含まれており、エンドユーザーが学習者のモデルを視覚化するのに役立つ。
  論文  参考訳（メタデータ） (2023-09-20T07:21:50Z)
• Causal-learn: Causal Discovery in Python [53.17423883919072]
  因果発見は、観測データから因果関係を明らかにすることを目的としている。 $textitcausal-learn$は因果発見のためのオープンソースのPythonライブラリである。
  論文  参考訳（メタデータ） (2023-07-31T05:00:35Z)
• SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
  SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。 それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。 私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
  論文  参考訳（メタデータ） (2023-04-21T10:00:22Z)
• PyTorch Adapt [37.03614011735927]
  PyTorch Adaptはドメイン適応のためのライブラリである。 ドメイン適応(Domain adapt)は、既存のモデルを新しいドメインで動作させる機械学習アルゴリズムの一種である。 完全に機能したツールキットで、数行のコードで完全なトレイン/テストパイプラインを作成できる。
  論文  参考訳（メタデータ） (2022-11-28T18:59:09Z)
• DocCoder: Generating Code by Retrieving and Reading Docs [87.88474546826913]
  コードマニュアルとドキュメントを明示的に活用するアプローチであるDocCoderを紹介します。 我々のアプローチは一般的に、どんなプログラミング言語にも適用でき、基礎となるニューラルモデルとは無関係です。
  論文  参考訳（メタデータ） (2022-07-13T06:47:51Z)
• OmniXAI: A Library for Explainable AI [98.07381528393245]
  eXplainable AI(XAI)のオープンソースPythonライブラリであるOmniXAIを紹介する。 オールニウェイで説明可能なAI機能と、さまざまな解釈可能な機械学習技術を提供する。 実践者にとってこのライブラリは、アプリケーションの説明を生成するために、使いやすく統合されたインターフェースを提供する。
  論文  参考訳（メタデータ） (2022-06-01T11:35:37Z)
• PyGOD: A Python Library for Graph Outlier Detection [56.33769221859135]
  PyGODは、グラフデータの外れ値を検出するオープンソースライブラリである。 外れ値検出のための主要なグラフベースのメソッドを幅広くサポートしています。 PyGODはBSD 2-Clauseライセンスの下でhttps://pygod.orgとPython Package Index (PyPI)でリリースされている。
  論文  参考訳（メタデータ） (2022-04-26T06:15:21Z)
• Small-Text: Active Learning for Text Classification in Python [23.87081733039124]
  small-textはPython用の使いやすいアクティブラーニングライブラリである。 シングルラベルとマルチラベルのテキスト分類のためのプールベースのアクティブラーニングを提供する。
  論文  参考訳（メタデータ） (2021-07-21T19:23:56Z)
• LENs: a Python library for Logic Explained Networks [2.064612766965483]
  LENsは、ニューラルネットワークからロジック説明を提供するために、さまざまな最先端のアプローチを統合するPythonモジュールである。 LENはApache 2.0ライセンスの下で配布されており、学術的および商業的な使用が可能である。
  論文  参考訳（メタデータ） (2021-05-25T06:41:54Z)
• giotto-tda: A Topological Data Analysis Toolkit for Machine Learning and Data Exploration [4.8353738137338755]
  giotto-tdaは、高性能なトポロジカルデータ分析と機械学習を統合するPythonライブラリである。 このライブラリの様々な種類のデータを扱う能力は、幅広い事前処理技術に根ざしている。
  論文  参考訳（メタデータ） (2020-04-06T10:53:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。