PAPER EVIDENCE DETAILS

公开证据详情

大语言模型黑箱破解术:llmSHAP让AI决策不再神秘

67.88公开证据总分
100%六个方面的资料覆盖率
10计入评分的证据记录
4不同来源类别
排名偏好:科研价值 评分日期:2026-09-02 评分规则版本:paper-evidence-v3

这里列出的“证据”是目前已经收集、可以核对的论文原文、代码、数据、实验、复现和影响力资料。 它用于解释分数从哪里来,不表示系统已经证明论文结论绝对正确。 缺失维度不按零分处理;总分按已知维度加权,并以覆盖率作有限折减。

可信度61.66

当前共有 1 组来源计入这一项。 同一来源的重复信息会降低权重,避免一份材料被重复加分。

可复现性95.11

当前共有 3 组来源计入这一项。 同一来源的重复信息会降低权重,避免一份材料被重复加分。

实验充分度64.61

当前共有 1 组来源计入这一项。 同一来源的重复信息会降低权重,避免一份材料被重复加分。

创新性53.41

当前共有 1 组来源计入这一项。 同一来源的重复信息会降低权重,避免一份材料被重复加分。

工程价值74.75

当前共有 2 组来源计入这一项。 同一来源的重复信息会降低权重,避免一份材料被重复加分。

影响力55.4

当前共有 1 组来源计入这一项。 同一来源的重复信息会降低权重,避免一份材料被重复加分。

评分详情会随代码、数据、复现结果、正式发表和后续影响等新资料更新。公开资料不足不等于论文质量差。