arXiv · Human-Computer Interaction· Mario Truss, Marc Schmitt, Stefan Feuerriegel
· 3 天前
AI 能帮助解释 AI 吗?多模态 LLM 生成的解释对 XAI 可视化中感知理解与感知信任的影响
Can AI Help Explain AI? Effects of Multimodal LLM-Generated Explanations on Perceived Understanding and Perceived Trust in XAI Visualizations
预印本 · 尚未经过同行评审
AI 导读
128 名被试实验中,多模态 LLM 生成的解释使 XAI 可视化的感知理解与感知信任分别提高 0.35 和 0.26 分。
摘要 · AI 翻译
可解释人工智能(XAI)旨在使机器学习模型变得可理解,但许多 XAI 可视化对最终用户而言仍难以解读。在此,我们评估了用多模态 LLM 生成的文本解释来增强 XAI 输出,是否能提升感知理解度和感知信任度。我们开展了一项预注册的被试内实验($N = 128$),涵盖七个决策场景和五种 XAI 方法,并分别在有、无 LLM 生成解释的条件下进行。这些解释使感知理解度和感知信任度在五点量表上分别提升了 0.35 分和 0.26 分(两者均 $p < .001$)。这一增益在全部七个场景中均有出现,在局部解释与全局解释之间没有差异,并且在先前 XAI 接触最少的参与者中最大。一项中介分析表明,存在通过感知理解度对感知信任度的间接效应。这些结果表明,多模态 LLM 可以为 XAI 提供一个有用的解释层,其作用超出专家受众。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Human-Computer Interaction · arxiv.org