論文の概要: LumiXAI: A Modular Full-Stack Framework for Feature Attribution

• arxiv url: http://arxiv.org/abs/2608.24524v1
• Date: Tue, 25 Aug 2026 13:11:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.992844
• Title: LumiXAI: A Modular Full-Stack Framework for Feature Attribution
• Title（参考訳）: LumiXAI: 機能属性のためのモジュラフルスタックフレームワーク
• Abstract要約: 本稿では、帰属分析を単一のシステムに統合するモジュラーフルスタックフレームワークであるLumiXAIを紹介する。 それは、双方向探索をサポートする対話型GUI、新しいモデルとメソッドを登録するためのプラグインアーキテクチャ、非プログラマ、開発者、拡張層を1つのバックエンドから提供する3つのアクセス層と、分類と生成の属性を結合している。
• 参考スコア（独自算出の注目度）: 3.0098885383612104
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Feature attribution is a central tool of model interpretability, yet the software through which it is applied remains fragmented: individual tools specialize along narrow axes, such as a single modality, a code API or a GUI, or a fixed rather than extensible method set, and rarely combine these strengths. Moreover, many explainability tools are designed primarily for domain experts, requiring programming skills or familiarity with attribution methods that can make them difficult for non-expert users to access. In this article, we present LumiXAI, a modular full-stack framework that consolidates attribution analysis into a single system. It couples classification and generative attribution with an interactive GUI supporting bidirectional exploration, a plug-in architecture for registering new models and methods, and three access tiers serving non-programmers, developers, and extenders from one backend. Its contribution is a system that operationalises established attribution methods under one interface, one interaction model, and one persistence layer, with containerised services and persistent results making analyses reproducible across machines.
• Abstract（参考訳）: 個々のツールは、単一のモダリティ、コードAPI、GUI、拡張可能なメソッドセットではなく固定されたアックスに沿って専門化し、これらの長所を組み合わせることは滅多にない。 さらに、多くの説明可能性ツールは、主にドメインの専門家のために設計されており、プログラミングスキルや属性メソッドに精通して、専門家でないユーザがアクセスしづらいようにしている。 本稿では、帰属分析を単一のシステムに統合するモジュラーフルスタックフレームワークであるLumiXAIを紹介する。 それは、双方向探索をサポートする対話型GUI、新しいモデルとメソッドを登録するためのプラグインアーキテクチャ、非プログラマ、開発者、拡張層を1つのバックエンドから提供する3つのアクセス層と、分類と生成の属性を結合している。 その貢献は、ひとつのインターフェース、ひとつのインタラクションモデル、ひとつの永続化レイヤの下で確立された属性メソッドを運用するシステムであり、コンテナ化されたサービスと永続的な結果によって、マシン間で再現可能な分析を行う。

関連論文リスト

• The Model Is Not the Product: A Dual-Pillar Architecture for Local-First Psychological Coaching [51.56484100374058]
  本報告では,iOS アプリケーションである Psych LM について紹介する。 Psych LMは、動作およびライフコーチングアプリケーション用に設計された、目的に構築された、ローカルファーストのランタイム内で、ローカル、オンデバイス言語モデルを実行する。
  論文  参考訳（メタデータ） (2026-05-23T05:49:11Z)
• The Evolution of Tool Use in LLM Agents: From Single-Tool Call to Multi-Tool Orchestration [58.61149924275458]
  ツールの使用により、大きな言語モデルが外部情報にアクセスし、ソフトウェアシステムを実行し、モデルパラメータだけで解決できるもの以外のデジタル環境で動作することができる。 エージェントシステムが進化するにつれて、中央の問題は、中途半端な状態、実行フィードバック、環境の変化、安全性、コスト、検証可能性といった実践的な制約によって、孤立呼び出しからマルチツールオーケストレーションへと移行した。 推論時の計画と実行、トレーニングと軌道構築、安全と制御、リソース制約下での効率性、オープン環境における能力の完全性、およびベンチマーク設計と評価の6つの分野に関する文献を整理する。
  論文  参考訳（メタデータ） (2026-03-24T07:05:05Z)
• ArchBench: Benchmarking Generative-AI for Software Architecture Tasks [0.0]
  ArchBenchは、ソフトウェアアーキテクチャタスクで大規模言語モデルをベンチマークするための最初の統一プラットフォームである。 データセットのダウンロード、トラジェクトリロギングによる推論、自動評価のための標準化されたパイプラインを備えたコマンドラインツールを提供する。
  論文  参考訳（メタデータ） (2026-03-18T15:26:46Z)
• Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
  RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。 複数の多様な実装設計を生成することで、線形パッチから切り離される。 NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
  論文  参考訳（メタデータ） (2026-03-02T12:50:40Z)
• OpenSage: Self-programming Agent Generation Engine [56.399761469404496]
  自己生成型トポロジとツールセットでエージェントを自動生成する最初のエージェント開発キットであるOpenSageを提案する。 OpenSageは、エージェントが独自のサブエージェントとツールキットを作成し管理するための効果的な機能を提供する。 OpenSageは、人間中心のパラダイムからAI中心のパラダイムへと焦点を移す、次世代のエージェント開発への道を開くことができる、と私たちは信じています。
  論文  参考訳（メタデータ） (2026-02-18T21:16:29Z)
• JoyAgent-JDGenie: Technical Report on the GAIA [27.025464023889853]
  大規模言語モデルは、複雑な現実世界のタスクのための自律的なエージェントとして、ますます多くデプロイされている。 本稿では,計画および実行エージェントを批判モデル投票と統合する汎用エージェントアーキテクチャ,作業層,意味層,手続き層にまたがる階層型メモリシステム,検索,コード実行,マルチモーダル解析のための洗練されたツールスイートを提案する。
  論文  参考訳（メタデータ） (2025-10-01T04:41:58Z)
• VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use [78.29315418819074]
  VerlToolは、体系的な設計原則を通じて制限に対処する統一的でモジュール化されたフレームワークです。 我々のフレームワークはARLTをマルチターントラジェクトリとして定式化し、マルチモード観測トークン(テキスト/画像/ビデオ)を単一ターンRLVRパラダイムを超えて拡張する。 モジュール化されたプラグインアーキテクチャは、軽量Python定義のみを必要とする迅速なツール統合を可能にする。
  論文  参考訳（メタデータ） (2025-09-01T01:45:18Z)
• OntoAligner: A Comprehensive Modular and Robust Python Toolkit for Ontology Alignment [0.4499833362998487]
  オントロジーアライメント(OA)は、多様な知識システム間の相互運用性を実現するための基礎である。 私たちはOAアライメントのための包括的でモジュール的で堅牢なPythonツールキットであるOntoAlignerを紹介します。
  論文  参考訳（メタデータ） (2025-03-27T18:28:11Z)
• CRAFT: Customizing LLMs by Creating and Retrieving from Specialized Toolsets [75.64181719386497]
  大規模言語モデル(LLM)のためのツール作成・検索フレームワークであるCRAFTを提案する。 タスク用に特別にキュレートされたツールセットを作成し、複雑なタスクを解決する能力を高めるためにこれらのセットからツールを取得するコンポーネントをLLMに装備する。 本手法はフレキシブルに設計されており,既製のLCMを細かな調整なしに未確認領域やモダリティに適応するためのプラグアンドプレイ方式を提供する。
  論文  参考訳（メタデータ） (2023-09-29T17:40:26Z)
• Tool interoperability for model-based systems engineering [0.7182467727359453]
  我々は、仕様、合成、検証などの機能を提供する、それぞれの専門分野における最先端のツールについて論じる。 Arrowheadフレームワーク上に構築されたAnalytics as a Serviceは、これらのツールを接続し、相互運用可能にします。
  論文  参考訳（メタデータ） (2023-02-07T14:45:04Z)

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。