Provably Explaining Neural Additive Models
यह शोधपत्र न्यूरल एडिटिव मॉडल्स (NAMs) के लिए एक कुशल, मॉडल-विशिष्ट एल्गोरिदम प्रस्तुत करता है जो लॉगरिदमिक क्वेरी जटिलता के साथ प्रमाणित रूप से कार्डिनल-मिनिमल स्पष्टीकरण उत्पन्न करता है, जो मानक न्यूरल नेटवर्क की कम्प्यूटेशनल जटिलता को दूर करते हुए स्पष्टीकरण के आकार और गणना समय दोनों में मौजूदा विधियों से बेहतर प्रदर्शन करता है।