GLARE：用于查询全局解释的自然语言接口

虽然全局解释对于理解跨数据集、类别和决策上下文的视觉模型至关重要，但其复杂性和整体性往往会阻碍实际探索。由于用户通常寻求特定问题的有针对性的答案而不是静态工件，因此我们提出了一个基于 LLM 的交互界面，该界面提供对黑盒图像分类器的全局解释的自然语言访问。系统的核心 LLM 充当中介，将自然语言问题转换为基于本地解释数据的结构化 SQL 查询。这可以实现灵活的聚合，而无需让用户接触底层表示。对于每个查询，该界面都会输出统计增强的自然语言响应，支持本地解释和意图一致的可视化。我们评估系统的意图解释、查询映射准确性、对新查询和数据集的泛化以及对语言错误的鲁棒性。我们的结果表明，LLM 介导的查询极大地提高了以人为中心的 XAI 的全局解释的可访问性和可用性。