Fugu-MT 論文翻訳(概要): Persistent and Conversational Multi-Method Explainability for Trustworthy Financial AI

論文の概要: Persistent and Conversational Multi-Method Explainability for Trustworthy Financial AI

arxiv url: http://arxiv.org/abs/2605.11687v1
Date: Tue, 12 May 2026 07:45:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-13 21:48:56.674538
Title: Persistent and Conversational Multi-Method Explainability for Trustworthy Financial AI
Title（参考訳）: 信頼できる財務AIのための永続的・対話的多方法説明可能性
Authors: Georgios Makridis, Georgios Fatouros, John Soldatos, George Katsis, Dimosthenis Kyriazis,
Abstract要約: 金融感情分析において、人間中心の説明可能なAIのためのアーキテクチャを提案する。まず、分散S3互換ストレージにおいて、XAIアーティファクトを永続的で検索可能なオブジェクトとして扱う。第二に、マルチメソッド説明三角測量を可能にする。第3に, 完全性, 幻覚的クレーム, メソッド帰属行動に関する自動チェックを用いて, 生成した説明の忠実度を評価する。
参考スコア（独自算出の注目度）: 0.3013679260442808
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Financial institutions increasingly require AI explanations that are persistent, cross-validated across methods, and conversationally accessible to human decision-makers. We present an architecture for human-centered explainable AI in financial sentiment analysis that combines three contributions. First, we treat XAI artifacts -- LIME feature attributions, occlusion-based word importance scores, and saliency heatmaps -- as persistent, searchable objects in distributed S3-compatible storage with structured metadata and natural-language summaries, enabling semantic retrieval over explanation history and automatic index reconstruction after system failures. Second, we enable multi-method explanation triangulation, where a retrieval-augmented generation (RAG) assistant compares and synthesizes results from multiple XAI methods applied to the same prediction, allowing users to assess explanation robustness through natural-language dialogue. Third, we evaluate the faithfulness of generated explanations using automated checks over grounding completeness, hallucinated claims, and method-attribution behavior. We demonstrate the architecture on an EXTRA-BRAIN financial sentiment analysis pipeline using FinBERT predictions and present evaluation results showing that constrained prompting reduces hallucination rate by 36\% and increases method-attribution citations by 73\% compared to naive prompting. We discuss implications for trustworthy, human-centered AI services in regulated financial environments.
Abstract（参考訳）: 金融機関は、永続的で、メソッド間でクロスバリデーションされ、人間の意思決定者に対して会話でアクセス可能なAI説明をますます必要とします。 3つのコントリビューションを組み合わせた財務感情分析において、人間中心で説明可能なAIのためのアーキテクチャを提案する。まず、XAIアーティファクト -- LIME特徴属性、オクルージョンベースの単語重要度スコア、およびサリエンシ・ヒートマップ -- を、構造化メタデータと自然言語の要約を備えた分散S3互換ストレージにおける永続的で検索可能なオブジェクトとして扱い、システム障害後の説明履歴と自動インデックス再構築を可能にする。第2に,検索拡張生成(RAG)アシスタントが同一の予測に適用された複数のXAI手法の結果を比較し合成し,自然言語対話による説明の堅牢性を評価するマルチメソッド説明三角測量を可能にする。第3に, 完全性, 幻覚的クレーム, メソッド帰属行動に関する自動チェックを用いて, 生成した説明の忠実度を評価する。本研究では,FinBERT予測を用いたEXTRA-BRAIN財務感情分析パイプラインのアーキテクチャを実演し,制約付きプロンプトにより幻覚率36\%が減少し,メソッド帰属がナイーブ・プロンプトに比べて73\%向上することを示す。我々は、規制された金融環境における信頼に値する人間中心のAIサービスへの影響について論じる。

関連論文リスト

MMEB-V3: Measuring the Performance Gaps of Omni-Modality Embedding Models [70.34265674686516]
マルチモーダル埋め込みモデルは、テキスト、画像、ビデオ、オーディオなどの異種入力を共有意味空間にマッピングすることを目的としている。本稿では,テキスト,画像,ビデオ,オーディオ,エージェント中心のシナリオにまたがる埋め込みを評価するベンチマークであるMMEB-V3を紹介する。本研究は, 完全モダリティ埋め込みの系統的解析を行い, 3つの重要な知見を同定する。
論文参考訳（メタデータ） (2026-04-25T14:15:05Z)
Can Unified Generation and Understanding Models Maintain Semantic Equivalence Across Different Output Modalities? [61.533560295383786]
Unified Multimodal Large Language Models (U-MLLM) は、単一のアーキテクチャ内で理解と生成を統合する。我々は,U-MLLMが画像のモダリティにおいて同じ結果をレンダリングするために必要な場合,意味的等価性を維持することができないことを観察する。 VGUBenchは、推論ロジックを生成の忠実性から切り離すためのフレームワークである。
論文参考訳（メタデータ） (2026-02-27T06:23:56Z)
Agentic Explainable Artificial Intelligence (Agentic XAI) Approach To Explore Better Explanation [7.268064183717186]
本研究では,SHAPをベースとした説明可能性とマルチモーダルLCMによる反復的改善を併用したエージェントXAIフレームワークを提案する。わが国26田の米収量データを用いて,この枠組みを農業推薦システムとして検証した。
論文参考訳（メタデータ） (2025-12-24T09:19:15Z)
FinLFQA: Evaluating Attributed Text Generation of LLMs in Financial Long-Form Question Answering [57.43420753842626]
FinLFQAは、複雑な財務問題に対する長文の回答を生成するための大規模言語モデルの能力を評価するために設計されたベンチマークである。回答品質と属性品質の両方をカバーする自動評価フレームワークを提供する。
論文参考訳（メタデータ） (2025-10-07T20:06:15Z)
Explaining the Unexplainable: A Systematic Review of Explainable AI in Finance [0.0]
本稿では、金融におけるXAI応用の変遷状況について概観する。トピック・クラスタ、重要な研究、そして金融業界でよく使われる説明可能性戦略を見つける。
論文参考訳（メタデータ） (2025-03-07T22:36:44Z)
Too Much to Trust? Measuring the Security and Cognitive Impacts of Explainability in AI-Driven SOCs [0.6990493129893112]
説明可能なAI(XAI)は、AIによる脅威検出の透明性と信頼性を高めるための大きな約束を持っている。本研究は、セキュリティコンテキストにおける現在の説明手法を再評価し、SOCに適合したロールアウェアでコンテキストに富んだXAI設計が実用性を大幅に向上できることを実証する。
論文参考訳（メタデータ） (2025-03-03T21:39:15Z)
Explaining Text Similarity in Transformer Models [52.571158418102584]
説明可能なAIの最近の進歩により、トランスフォーマーの説明の改善を活用することで、制限を緩和できるようになった。両線形類似性モデルにおける2次説明の計算のために開発された拡張であるBiLRPを用いて、NLPモデルにおいてどの特徴相互作用が類似性を促進するかを調べる。我々の発見は、異なる意味的類似性タスクやモデルに対するより深い理解に寄与し、新しい説明可能なAIメソッドが、どのようにして深い分析とコーパスレベルの洞察を可能にするかを強調した。
論文参考訳（メタデータ） (2024-05-10T17:11:31Z)
A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
論文参考訳（メタデータ） (2024-02-20T11:28:50Z)
FunnyBirds: A Synthetic Vision Dataset for a Part-Based Analysis of Explainable AI Methods [15.073405675079558]
XAIは本質的に、根底的な説明を欠いているため、その自動評価は未解決の問題である。本稿では,FunnyBirdsという新しい合成視覚データセットを提案する。我々のツールを用いて、24種類のニューラルモデルとXAI手法の組み合わせの結果を報告する。
論文参考訳（メタデータ） (2023-08-11T17:29:02Z)
On the Evaluation of the Plausibility and Faithfulness of Sentiment Analysis Explanations [2.071923272918415]
2つの角度からSAモデルの説明可能性を評価するために,異なる指標と手法を提案する。まず,抽出した「有理数」の強度を評価し,予測結果の忠実な説明を行う。第2に、自家製のデータセット上で、ExAI法と人的判断の一致を計測する。
論文参考訳（メタデータ） (2022-10-13T11:29:17Z)
Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文参考訳（メタデータ） (2021-06-14T20:48:48Z)

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。