DocXEval框架发布：系统评测多模态文档理解可解释性
热点事件持续更新
DocXEval框架发布：系统评测多模态文档理解可解释性
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
Saifullah Saifullah 等研究者在 arXiv 发布论文，提出 DocXEval，称其为首个面向多模态（文本、布局、图像）文档理解的综合可解释性评测框架，并针对语义实体识别等任务引入多目标适配。 该框架系统评估了 13 种 XAI 方法，覆盖 3 项任务、8 个数据集、4 个模型和 17 项评测指标，发现 Occlusion 是整体上最忠实、最可解释的方法；元评估还发现部分忠实性与复杂度指标结果不可靠。代码已公开以支持复现。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 17:53
DocXEval：多模态文档理解可解释性的系统性评估报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · cs.CLDocXEval：多模态文档理解可解释性的系统性评估
研究者提出 DocXEval，首个面向多模态（文本、布局、图像）文档理解的综合可解释性框架，并针对语义实体识别等任务引入多目标适配。该框架系统评估了 13 种 XAI 方法，覆盖 3 项任务、8 个数据集、4 个模型和 17 项评测指标，发现 Occlusion 是整体上最忠实、最可解释的方法。元评估还发现部分忠实性与复杂度指标结果不可靠，代码已公开以支持复现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。