LIMEFLDL：把“解释一个标签”改写为“解释整条标签分布”

0. 链接验证表

下表链接均在 2026-08-22 实际访问。版本日期以 arXiv submission history 为准；“未找到”表示在 PMLR/OpenReview、arXiv 与作者公开主页的检索中没有核实到，而不是断言资源不存在。

1. 检索、去重与随机选择

1.1 去重

已检查本地 ml-report-index.md。最近 14 天的“理论与可信”核心工作是 2026-08-15 的 Sparse Autoencoders Do Not Find Canonical Units of Analysis，主题为 SAE 表征原子性；本期排除 SAE canonicality、dictionary width 与 meta-SAE 主题。LIMEFLDL 聚焦后验局部解释、标签分布约束与稳定性理论，不与该主题重复。

1.2 候选池（20 篇）

候选通过 ICML 2025 PMLR、NeurIPS 2025 proceedings、OpenReview 与 arXiv 交叉检索；核心候选均不超过 24 个月。

1. Mechanistic Unlearning（ICML 2025）
2. GaussMark（ICML 2025）
3. Evaluating Neuron Explanations（ICML 2025）
4. InfoCons（ICML 2025）
5. Counterfactual Effect Decomposition（ICML 2025）
6. RISE（ICML 2025）
7. LIMEFLDL（ICML 2025）
8. TIMING（ICML 2025）
9. From Mechanistic Interpretability to Mechanistic Biology（ICML 2025）
10. Layer-wise Alignment（ICML 2025）
11. SafetyAnalyst（ICML 2025）
12. Safety Neurons（NeurIPS 2025）
13. Finding and Reactivating Post-Trained LLMs’ Hidden Safety Mechanisms（NeurIPS 2025）
14. Refusal Direction is Universal Across Safety-Aligned Languages（NeurIPS 2025）
15. Lifelong Safety Alignment for Language Models（NeurIPS 2025）
16. JailBound（NeurIPS 2025）
17. The VLLM Safety Paradox（NeurIPS 2025）
18. COUPLE（NeurIPS 2025）
19. CARES（NeurIPS 2025）
20. CoP: Agentic Red-Teaming for LLMs（NeurIPS 2025）

执行 shuf -i 1-20 -n 1 得到 7，因此选择 LIMEFLDL。论文主页、24 页全文、理论附录、四个黑盒模型上的实验及人评材料均可读取，资料充足，重抽次数为 0。

2. 核心论文深度解析

2.1 Motivation：真正的痛点不是“LIME 不支持多标签”，而是独立解释会破坏分布

LDL 的输出不是互不相关的若干分类概率，而是描述度向量 (D_i=[d_{x_i}^{y_1},\ldots,d_{x_i}^{y_r}])，满足每个元素位于 ([0,1]) 且总和为 1。它表达“每个标签以多大程度描述样本”。例如，情绪图像可以同时呈现多种情绪的相对强度，疾病状态也可能具有共现与传播依赖。原始 LDL 工作在 1 个合成与 15 个真实数据集上验证了专门建模的必要性；作者公开主页又列出 14 个真实数据集，其中 Human Gene 达 30,542 个样本、68 个标签，说明这不是仅用于玩具任务的输出形式（Geng 2016 摘要与数据主页）。

把 LIME 平行运行 (r) 次看似直接，却有三个结构性失败。第一，每个标签独立拟合，无法表达标签间依赖；第二，每个标签都重新采样和训练局部模型，计算随 (r) 线性放大；第三，各局部输出没有共同的单纯形约束，可能出现负描述度或总和不为 1。这个第三点在实验中不是抽象担忧：论文表 2、3、6、7 的 PULIME 多次出现负 KL divergence，如表 7 的数据集 6 为 (-0.6579\pm0.0160)。标准 KL 不应为负，因而该数值实际上是“解释输出已不是合法概率分布”的报警器，而不是更好的拟合。

问题的新颖之处在于：传统单标签解释只需回答“哪些特征推动这个类别”，而 LDL 解释必须同时回答“一个特征如何在所有标签之间重新分配描述度”。于是解释对象从向量 (a\in\mathbb{R}^f) 升级为矩阵 (A\in\mathbb{R}^{r\times f})，每一列是一个特征对整条标签分布的作用。这使“解释有效性”同时包含局部逼真度、概率合法性、随机种子一致性与标签间耦合四个条件。

2.2 论文故事线：从并行 LIME 的反例，推到约束矩阵回归

论文的论证可压缩成四个转折。

第一，作者保留 LIME 的核心假设：复杂函数在一个足够小的邻域内可由简单线性模型逼近。改变的不是“局部代理”思想，而是代理输出的几何空间。第二，把每个特征对每个标签的归因组合成矩阵 (A)，令一次局部采样同时服务所有标签。第三，给代理预测加入行和为 1、元素非负的约束，使解释仍落在概率单纯形中。第四，为避免“有约束但无法理解为何稳定”，作者进一步给出忽略部分正则项时的解析式、收敛样本复杂度与相近黑盒模型之间的稳定性界。

关键权衡也很清晰：LIMEFLDL 用联合矩阵优化换取分布合法性和标签依赖，但优化不再是若干独立 ridge regression，而要处理线性与非负约束；论文选择 ADMM 式增广项配合 L-BFGS，换来可扩展实现，却使理论证明与实际求解器之间留下一道缝——最强收敛定理明确忽略正则项。

2.3 形式化定义与机制解剖

给定待解释实例 (x)，生成 (m) 个局部可解释表示，组成 (Z\in{0,1}^{m\times f})。加入偏置列后记为 (Z'=[Z;1])。黑盒 LDL 模型对逆变换样本 (h(Z)) 输出 (F(h(Z))\in[0,1]^{m\times r})。局部线性代理为：

[ G(Z)=ZA^\top+b=Z'A'^\top. \tag{1–2，正文 p.3} ]

每个样本按距离赋权：

[ \pi(z_i)=\exp{-\sigma^{-2}\lVert 1-z_i\rVert_2^2},\quad \Pi=\operatorname{diag}(\pi(z_i)). \tag{3，正文 p.3} ]

核心目标是受约束的加权多输出 ridge regression：

[ \min_{A'}\frac{1}{2m}\left\lVert\Pi(Z'A'^\top-F(h(Z)))\right\rVert_F^2 +\frac{\lambda}{2m}\lVert A'\rVert_F^2, ]

[ \text{s.t.}\quad Z'A'^\top\mathbf 1_r=\mathbf 1_m,\qquad Z'A'^\top\ge 0. \tag{4，正文 p.4} ]

这两个约束是整篇工作的核心：前者让每个局部预测和为 1，后者禁止负描述度。实际求解把和约束放入增广拉格朗日项，以 (u) 为乘子、( ho) 为惩罚系数；非负项另用惩罚 (v\sum\max(-Z'A'^\top,0))。梯度由式 (7) 给出，L-BFGS 更新 (A')，式 (6) 更新 (u)。

特征选择不是对每个标签分别截断，而是比较选中特征后的整条分布：

[ S=1-\frac{KL(G(Z_c),F(h(Z)))}{KL(Y_{mean},F(h(Z)))}. \tag{8，正文 p.4} ]

分母以均匀分布作为“无信息”参照；因此 (S) 衡量所选特征相对于均匀基准恢复了多少分布信息。这里的隐含风险是，当黑盒输出接近均匀分布时分母很小，分数会变得数值敏感，论文没有单独报告这一边界。

待解释样本 x
   ├─ 图像：Quickshift → f 个 superpixel → Bernoulli 保留/遮蔽
   └─ 表格：entropy 分箱 → Bernoulli 同箱/异箱 → 逆离散化
                     ↓
             m 个局部样本 Z 与权重 Π
                     ↓
        黑盒 LDL 输出 F(h(Z))：m × r 标签分布
                     ↓
      受约束矩阵代理 G(Z)=Z'A'^T
      ├─ 每行和为 1
      ├─ 每个元素非负
      └─ Frobenius 正则 + L-BFGS/增广项
                     ↓
       A：f 个特征 × r 个标签的归因分布
                     ↓
        分布级 fidelity + Top-K Jaccard consistency

2.4 理论：有意义的界，但不是实际算法的完整保证

作者先在忽略正则约束的简化问题下得到近似解析式：

[ A'^\top=(Z'^\top\Pi Z')^{-1}\big[Z'^\top\Pi F(h(Z))-Z'^\top u\mathbf 1_{1\times r}\big]. \tag{11，正文 p.4} ]

定理 3.2 给出迭代映射成为压缩映射时 ( ho) 的上界；定理 3.3 再用矩阵 Hoeffding 不等式给出样本复杂度。其主导项包含 (f^3e^{5/\sigma^2}\epsilon^{-2}\log(4f/\delta))，因此维度 (f) 与小带宽 (sigma) 会迅速放大所需样本量。定理 3.4 则说，若两个黑盒模型在局部样本上的每个输出差小于 (epsilon)，二者归因矩阵的 Frobenius 距离受一个随 (m,f,r,e^{1/\sigma^2}epsilon) 变化的界控制。

这套理论的真正价值不是“证明实际实现一定稳定”，而是把三种直觉定量化：样本越多越接近固定点；邻域越窄越需要更多样本；黑盒局部输出越接近，解释越接近。附录 A.4 用 (m=100,500,1000,5000) 的序列对 AA-KNN、MEM 等模型做收敛可视化，但图中未给出可复算的逐点数值。相变线索来自附录 B.3：当 (sigma<1) 且维度超过 10 时，定理所需样本的多项式阶数使实际应用困难；当 (sigma\to0) 时，归因甚至趋近 0，且系数符号可能随带宽改变。这是理论上的明确突变区，而不是经验曲线上的精确阈值。

2.5 数据集、指标与实验协议

数据来自论文表 1（正文 p.6）。黑盒模型包括 RBF-LDL-LRR、LDL-SCL、AA-KNN 与 MEM。主 fidelity 报 Chebyshev、Clark、Canberra、KL（越低越好）和 Cosine、Intersection（越高越好）；consistency 报 10 个随机种子间 Top-K Jaccard（越高越稳定）。每个数据集做 10 折交叉验证，表 2、3、6、7给均值与标准差（正文 p.8）。但论文没有说明“标准差”是跨 fold、跨样本还是跨随机种子的聚合层级，不能将其直接解释为独立重复训练的置信区间。

2.6 主结果矩阵：8 数据集 × 4 解释器

附录表 5 用与 LIME 对齐的 R²，把 LIMEFLDL 与 LIME、DLIME、GLIME 放进同一矩阵；这是论文中最接近“多基准 × 多方法”的公平横向表。下表完整转录，并补算核心方法相对逐行最强竞品的绝对差与相对提升；“—”为原表未报告。

来源：附录表 5，p.14；相对变化为本报告复算。 LDL-SCL 上四方法宏平均分别为 LIME 0.465、DLIME 0.262（仅 6 个有值项）、GLIME 0.426、LIMEFLDL 0.621；RBF-LDL-LRR 上分别为 0.413、0.320（6 项）、0.460、0.834。最有说服力的证据是 RBF-LDL-LRR 的数据集 1/2：0.17 → 0.99，绝对 +0.82、相对 +482.4%。但同一张表也留下明确反例：LDL-SCL/Emotion6 表格版上 0.34 → 0.30，核心方法落后 11.8%。

主文表 2 的 Jaccard 进一步显示联合解释通常更稳定：RBF-LDL-LRR 上数据集 2 从 0.3608 提至 0.6200（+0.2592，+71.84%），数据集 8 从 0.1591 提至 0.7903（+0.6312，+396.73%）。但数据集 1 反而从 0.6428 降至 0.5044（−21.53%）。因此“稳定性全面更好”不成立，更准确的结论是：在标签分布非近似均匀、尤其图像任务上优势明显；近均匀生物数据上并不稳定占优。

2.7 消融、敏感性与统计显著性

逐层消融：论文未报告。 没有“仅矩阵联合回归”“+ 和为 1”“+ 非负”“+ 新特征评分”“+ L-BFGS”的阶梯式表，因此无法分离哪一模块贡献了 R² 或 Jaccard 的提升。表 5 扩充了基线，但不是机制消融。

统计方面，主表报告 10 折均值±标准差，这是优点；例如表 3/数据集 6 的 Chebyshev 从 (0.3584\pm0.0036) 降到 (0.1692\pm0.0030)，绝对下降 0.1892（52.79%）。然而没有 p 值、bootstrap CI、多重比较校正或独立训练种子。人评只报告均分：正确预测解释为 2.1 对 3.1，错误预测解释为 2.3 对 3.0（正文图 3 与 p.9），没有方差或显著性检验。

2.8 真正贡献、可复用设计与迁移潜力

真正贡献不是“把 LIME 用到 LDL”，而是指出解释器的输出空间必须尊重被解释任务的结构。单标签分类解释的标量代理不能安全地逐列复制到概率分布；类似地，排序、集合、图、序列与多任务输出都应把可行域约束写进解释代理，而不是解释后再做裁剪。

可单独复用的设计有三项。其一，特征归因分布矩阵把“特征重要性”升级为“特征如何在输出维度间迁移质量”；可用于混合专家路由、多属性风险评分或多目标决策。其二，分布级 fidelity 同时报告多个距离/相似度，避免单一 R² 掩盖概率非法。其三，用黑盒输出扰动与解释矩阵扰动建立稳定性界，为模型更新后的解释漂移审计提供模板。

迁移时应保留原则而非照搬实现：对于 compositional output，可以把单纯形换成排序锥、流守恒、多标签边际多面体或物理守恒约束；对于高维输出，应以低秩/稀疏结构降低 (A) 的 (fr) 参数量；对于连续在线数据，应把一次性局部采样改为可复用的邻域缓存与漂移触发更新。

2.9 局限性

论文自述限制

1. 分箱不连续：附录 A.3（p.12）承认，两个非常接近的实例若落在同一箱会得到相同解释；若跨越箱边界，解释又可能显著不同。增加箱数或取消离散化只是缓解，并未解决边界不连续。
2. 小带宽、高维收敛困难：附录 B.3（p.21）指出，当 (sigma<1) 且 (f>10) 时，定理 3.3 的样本需求在实践中很难满足，实际行为将由理论未纳入的正则项主导。
3. 极端带宽导致解释退化：同一段指出 (sigma\to0) 时 (A\to0)，且系数符号会随带宽变化。这直接限制了“符号即促进/抑制”的语义稳定性。

补充批判

1. [缺乏关键竞品对比] 因为主文表 2/3 只与作者构造的 PULIME 正面对比，GLIME、DLIME 仅在附录表 5 以 R²、默认参数出现，且没有标准差，所以不能证明联合约束优于最强稳定 LIME 变体的核心分布指标。应在相同采样、相同 (m)、同一求解器预算下比较 GLIME 的分布扩展。
2. [指标有效性问题] 因为 PULIME 在四张主表多次产生负 KL（如表 7/ID6 为 −0.6579），而合法 KL 必须非负，所以该列混合了“逼真度”与“输出非法性”；把异常值标圈但继续参与“领先多数指标”的叙事，会夸大约束方法的优势。更公平的做法是先把所有基线投影到单纯形，再比较 KL。
3. [失手的子任务] 因为附录表 5 的 LDL-SCL/ID5 上 LIMEFLDL=0.30、LIME=0.34，所以核心方法在这一基准相对落后 11.8%；这说明联合分布约束不是无条件提高局部 R²，尤其在表格化 Emotion6 上可能以某些局部自由度换合法性。
4. [实验设计问题] 因为 fidelity 用 (m=100)、consistency 用 (m=1000)，两类指标并非在同一采样预算下测量，所以“更稳定且更逼真”不能解释为同一配置的 Pareto 优势。需要固定 (m\in{100,500,1000,5000}) 同时报 fidelity、Jaccard、延迟。
5. [指标冲突] 因为表 2/ID8 的 Jaccard 从 0.1591 增至 0.7903，但 Chebyshev 从 0.0003 变为 0.0033、Clark 从 0.0032 变为 0.0116、Canberra 从 0.0069 变为 0.0236，所以一致性提高约 396.7% 的同时三种距离明显恶化。稳定地给出同一个解释不等于忠实地逼近黑盒，论文缺少多目标 Pareto 分析。
6. [人评有效性问题] 因为附录 A.2 只有 10 名研究生、每人 20 个案例，且 7 人专攻机器学习，样本既小又偏专家；正文又写“两部分各 10 人”，是否同一批参与者并不完全清楚。即使均分提升 1.0/0.7，也缺方差、盲法、顺序随机化与显著性，不能外推到终端用户。
7. [论证缺口] 因为定理 3.3 明确忽略正则项，而实际算法固定 (lambda=v=\rho=0.01) 并用 L-BFGS 50 步，所以理论固定点并不等于部署算法的固定点。应对“无正则解析版”和“实际优化版”做收敛差距实测。
8. [可复现性风险] 因为截至核验日没有找到核心论文代码仓库，表 5 又称 DLIME/GLIME 使用“默认参数”，所以无法核实基线是否在 LDL 场景经过合理调参，也无法复现图 4/5 的精确曲线。固定 seed=2024 只能降低一次运行随机性，不能代替公开代码与多 seed 验证。

3. 相关工作回溯：问题与技术如何传递

3.1 Label Distribution Learning — 2016，IEEE TKDE

解决了什么。 Geng 将标签歧义从 0/1 相关性扩展为和为 1 的描述度分布，提出问题转换、算法适配与专门设计三类共 6 个算法，并在 1 个合成、15 个真实数据集上比较 6 类指标。它定义了 LIMEFLDL 要解释的对象：不是一个类别决策，而是一个有归一化约束的向量。

遗留缺口。 原始 LDL 的重点是预测性能与算法设计，公开主页也主要提供 BFGS/IIS/CPNN/LDSVR 与数据；“为什么某个样本得到这条分布”没有专用局部解释器。输出结构越丰富，逐标签解释越可能违反总和与非负约束。

核心论文如何回应。 LIMEFLDL 直接把 LDL 的单纯形定义写入代理模型约束：(G(Z)\mathbf1=\mathbf1)、(G(Z)\ge0)。这不是附加后处理，而是优化问题本身。

设计传递。 LDL 的多分布距离评估被迁移为解释 fidelity；论文沿用 Chebyshev、Clark、Canberra、KL、Cosine、Intersection，使预测评测语言转化为解释评测语言。

3.2 LIME — 2016，KDD

解决了什么。 LIME 用加权局部数据拟合稀疏可解释代理，使任何分类器都可在单个样本附近被解释；论文同时用人类实验讨论“是否应信任预测/模型”。其核心是局部性核 (pi_x)、可解释表示 (z) 与简单模型 (g) 的组合。

遗留缺口。 原始目标面向单输出解释；随机扰动导致稳定性问题，参考点和带宽也会改变解释。若独立运行于每个 LDL 标签，计算增至 (r) 次且输出不再是合法分布。

核心论文如何回应。 LIMEFLDL 保留“采样—加权—局部线性代理”骨架，但把标量回归改为矩阵回归，并用一次黑盒批推理生成所有 (r) 个输出。

设计传递。 Quickshift superpixel、entropy discretizer、cosine/L2 距离与局部核都直接继承；变化发生在目标空间和约束，而非输入扰动框架。

3.3 SHAP — 2017，NeurIPS

解决了什么。 SHAP 把 6 类解释方法统一为 additive feature attribution，并证明满足 local accuracy、missingness 与 consistency 的唯一解结构。它把“归因方法是否可靠”从视觉直觉推进到公理层。

遗留缺口。 SHAP 的通用加性形式没有自动保证多输出向量满足任务特定可行域；逐输出 SHAP 值同样可能难以表达标签描述度之间的耦合与守恒。

核心论文如何回应。 LIMEFLDL 的 Property 3.5 明确把矩阵代理写成每个特征归因向量的和，并证明与 additive feature attribution 兼容；Property 3.6/3.7讨论 dummy 与对称性。

设计传递。 “局部准确性 + dummy + 对称性”的公理化检查被传递，但从标量归因扩展成 (r) 维归因向量。核心论文没有证明 Shapley 唯一性，而是选择可优化的局部线性矩阵。

3.4 GLIME — 2023，NeurIPS Spotlight

解决了什么。 GLIME 发现 LIME 的小样本权重会让正则项主导并导致慢收敛，提出把权重吸收到局部、无偏采样分布中，以提高稳定性、局部 fidelity 并减弱参考点依赖；其代码提供 binomial 等分布选项。

遗留缺口。 GLIME 改进的是“在哪里采样、如何稳定收敛”，并未处理 LDL 的概率约束与标签间依赖；即便每列都稳定，组合起来仍可能不是分布。

核心论文如何回应。 LIMEFLDL 从另一个正交维度推进：它主要改造输出结构而非采样分布，并给出依赖 (m,f,r,\sigma) 的收敛/稳定界。

设计传递。 GLIME 对带宽、权重与正则主导效应的警告，在 LIMEFLDL 附录 B.3 中以小 (sigma) 样本复杂度爆炸重新出现。不过核心论文只在表 5 用默认 GLIME 做 R² 比较，尚未把 GLIME 的局部无偏采样与自己的单纯形约束真正合并。

4. 技术演进脉络

2016 LDL：输出从 one-hot / multi-hot → 标签描述度分布
      │
      └── 提出“必须尊重单纯形”的任务结构

2016 LIME：任意黑盒 → 局部加权线性代理
      ├── 局部采样、可解释开关、稀疏归因
      └── 缺口：单输出、随机不稳、逐标签会破坏分布

2017 SHAP：多类解释 → 加性归因统一公理
      └── local accuracy / dummy / consistency

2023 GLIME：重构采样分布 → 更快收敛、更稳、更局部
      └── 解决输入邻域，却未解决结构化输出

2025 LIMEFLDL：LIME 输入骨架 + SHAP 式性质 + LDL 单纯形
      ├── 一个 f×r 归因矩阵联合解释所有标签
      ├── 和为 1 / 非负约束保证输出合法
      └── 尚待汇入 GLIME 无偏采样与完整正则理论

内在推动力是从“解释一个标量预测”走向“解释有结构的输出对象”。第一阶段关心可读性；第二阶段关心公理与稳定性；第三阶段开始把任务几何写进解释器。关键转折不是更复杂的可视化，而是承认后验解释本身也是一个预测模型，因此必须受与原任务相同的可行域约束。

5. 开放挑战与可操作研究机会

5.1 理论层面

1. 补齐正则化收敛理论。 在相同 (Z,Pi) 下，对比无正则闭式解、带 (lambda\lVert A\rVert_F^2) 的精确凸解与论文 L-BFGS 50 步解；报告 (lVert A_{closed}-A_{actual}\rVert_F) 随 (m,f,r,\sigma) 的曲线，从而判断定理界何时仍能预测实际算法。
2. 寻找带宽—维度相变。 固定目标 fidelity，在 (f\in{8,16,32,64,128,256})、(sigma\in{0.25,0.5,0.75,1,1.5,2}) 网格上测达到 Jaccard 0.9 所需的最小 (m)，与定理的 (e^{5/\sigma^2}f^3) 缩放逐点比较。
3. 建立结构化输出的唯一性公理。 比较“逐标签 Shapley 后投影”“守恒 Shapley”“LIMEFLDL 矩阵解”，检验 local accuracy、dummy、symmetry 与单纯形守恒能否同时满足，以及解是否唯一。

5.2 工程与应用层

1. 等预算 head-to-head。 在同一黑盒调用数、CPU/GPU 时间和内存下比较 PULIME、GLIME-LDL、KernelSHAP-LDL 与 LIMEFLDL；每个 (m) 同时报 6 个 fidelity、Jaccard、延迟，避免当前 100/1000 样本预算错位。
2. 消融合法性来源。 依次比较无约束矩阵回归、仅和为 1、仅非负、两者同时、再加特征评分；统计非法输出率、负 KL 次数、R² 与 Jaccard，直接量化每个约束的收益和代价。
3. 连续邻域替代分箱。 在 tabular 数据上比较 entropy bins、soft bins、normalizing-flow conditional sampler 和不离散化方案；专门构造跨分箱边界距离 (10^{-6}) 的样本对，测解释突变的 Lipschitz 比率。
4. 部署级缓存实验。 对 30,542×36×68 的 Human Gene 数据流，比较逐请求采样与邻域缓存；在黑盒每 1,000 步更新一次时报告解释延迟、缓存命中率与漂移误差。

5.3 新兴方向

1. 医疗概率解释的校准一致性。 在相同病例与医生盲评下比较 LIMEFLDL、温度校准后的 LIME 投影和内生可解释模型；不仅报 fidelity，还报校准误差、医生诊断改变率与错误自信率。
2. VLM 多属性输出。 对图文模型的安全、事实性、相关性多维评分，用同一图像的局部 patch 与文本 token 联合扰动；比较分块独立解释与跨模态守恒矩阵，测跨模态归因是否随 prompt 改写保持稳定。
3. 隐私与解释泄漏。 在成员推断攻击下比较公开完整 (A)、Top-K (A) 与差分隐私归因；横轴为 (epsilon_{DP})，纵轴分别为攻击 AUC 与 fidelity，得到可信解释的隐私 Pareto 前沿。

6. 其他值得关注的近期工作

Mechanistic Unlearning（2025.07，ICML）
把知识编辑/遗忘定位到可预测中间机制而非仅保持输出的组件，强调“定位机制”比“定位相关参数”更抗重学攻击。论文

GaussMark（2025.07，ICML）
把水印嵌入权重结构，并以高斯独立性检验提供有效性与功效界；值得关注其零生成延迟主张与模型腐蚀鲁棒性。论文

Evaluating Neuron Explanations（2025.07，ICML）
统一神经元解释评估并加入 sanity checks；关键提醒是一些常用指标在概念标签大幅改变后几乎不变，直接质疑“高分即忠实”。论文

InfoCons（2025.07，ICML）
用信息论把点云分成既忠实又语义连贯的关键概念，并在合成与真实 3D 数据上验证，适合关注结构化解释的人继续阅读。论文

Counterfactual Effect Decomposition（2025.07，ICML）
把多智能体 MDP 中动作的反事实总效应拆成经代理行为与环境状态传播的两部分，再用 Shapley 归因到代理/变量。论文

RISE（2025.07，ICML）
围绕影响半径提取 3D 分子 GNN 的解释子图，把几何邻域与模型输出联系起来；适合作为 LIMEFLDL 之外的结构化输入解释参照。论文

7. 结论

LIMEFLDL 的最佳理解不是“LIME 的一个垂直版本”，而是一个可复用的可信 AI 原则：后验解释器必须继承预测任务的输出几何。定量上，它在附录表 5 的 RBF-LDL-LRR/数据集 1 与 2 把逐行最强竞品 R² 从 0.17 提至 0.99（+0.82，+482.4%），并在人评中把正确预测解释均分从 2.1 提到 3.1；但在 LDL-SCL/Emotion6 表格版又从 0.34 降到 0.30，且主结果存在稳定性与 fidelity 冲突。

因此，这篇论文真正打开的是“结构守恒解释”的研究空间，而不是终结 LDL 可解释性。下一步最关键的不是再加一张热力图，而是用等预算、投影后合法基线、完整模块消融和带正则收敛理论，回答联合约束带来的收益究竟来自合法性、标签依赖，还是更大的联合拟合自由度。

核验与坦诚性说明

• 核心论文数字均来自实际读取的 ICML 2025/PMLR PDF：正文表 1–3、附录表 4–7、图 1–5 说明与附录 A/B；本报告对派生百分比重新计算。
• 论文没有提供逐层模块消融、惩罚系数扫描、精确超参曲线坐标、p 值或置信区间；相关小节已明确保留并标注“未报告”，没有补造。
• 截至 2026-08-22，未核实到核心论文 arXiv 条目或作者代码仓库；OpenReview 页面存在但访问时触发浏览器验证，PMLR 正文与 PDF 可达。
• HTML 已通过 Warm Editorial 静态验证器（0 warnings）；运行环境未提供 /usr/bin/chromium 或 /opt/pw-browsers 下的 Chromium 可执行文件，遵照“不运行 playwright install”的要求，无法完成浅色、深色与移动端截图复核。响应式表格滚动、主题变量与 SVG viewBox 已做确定性检查。
• ml-report-index.md 已在本次生成流程中追加记录；若远端持久化失败，以本地索引为准。