ReCBM：概念瓶颈模型的不确定性门控关系推理

摘要

arXiv:2608.10004v1 Announce Type: new Abstract: Concept Bottleneck Models (CBMs) provide an interpretable framework by grounding predictions in human-understandable concepts, enabling semantic inspect...

and concept uncertainty ReCBM CBMs concepts reasoning the framework predictions

2026-08-13 1 阅读约1分钟阅读 An Sui, Yuzhu Li, Fuping Wu, Xiahai Zhuang

arXiv:2608.10004v1 公告类型：新摘要：概念瓶颈模型 (CBM) 通过将预测基于人类可理解的概念提供了一个可解释的框架，从而实现语义检查和测试时干预。最近的变体通过更丰富的概念表示、不确定性估计和依赖性建模改进了 CBM。然而，不可靠概念状态下的稳健推理仍未得到充分探索。如果没有这样的推理，误导性的语义证据可能会通过瓶颈传播，从而损害解释和下游预测。为了解决这个问题，我们提出了 ReCBM，一种用于 CBM 的不确定性门控关系推理框架。 ReCBM 将语义定义的概念关系引入瓶颈，并使用不确定性来指导其细化。通过对共现、暗示和排除进行建模，ReCBM 指定了证据如何在概念之间交换，而不确定性则调节了在此过程中每个概念的贡献。跨不同数据集的实验表明，ReCBM 改进了缺失和翻转概念下的概念和任务恢复，支持不确定性感知干预，并提取紧凑的任务相关概念子集，而不会降低下游性能。

订阅66必读