软件下载帮助文档新闻资讯

Skill UI

浏览并发现 16567+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索模型可解释性，共找到 12 条记录

默认排序最新上传最多下载

机器学习模型解释

explaining-machine-learning-models

jeremylongshore/claude-code-plugins-plus-skills

通过 SHAP、LIME 等可解释性手段分析模型预测结果，揭示关键特征影响，辅助调试模型、确保公平性并向非技术人员阐述模型表现。

模型可解释性工具

model-explainability-tool

jeremylongshore/claude-code-plugins-plus-skills

在机器学习训练过程中，自动响应模型可解释性工具相关请求，提供分步实践、代码配置与验证建议，助力数据准备、调参和实验追踪等任务。

远程模型可解释性工具

nnsight-remote-interpretability

Orchestra-Research/AI-Research-SKILLs

通过 nnsight 的 trace 与激活接口，有效分析或干预 PyTorch 模型内部，支持在本地小模型和借助 NDIF 的 70B+ 远程模型上执行，可对激活进行保存、替换和对比。

稀疏自编码器：模型可解释性分析

sparse-autoencoder-training

Orchestra-Research/AI-Research-SKILLs

本工具提供稀疏自编码器（SAE）的训练和分析框架。SAEs能够将大型语言模型内部密集的、多义的激活信号分解为稀疏、单义的特征。适用于需要发现模型学到的离散可解释概念、研究特征叠加性，或分析模型内部特定安全相关行为（如偏见或欺骗）的场景。

变换器机制可解释性分析

transformer-lens-interpretability

Orchestra-Research/AI-Research-SKILLs

这是一个用于大型语言模型的机制可解释性研究库。它允许用户通过HookPoints和激活缓存来深入检查和操作Transformer模型的内部机制，例如注意力模式、残差流和MLP输出。该工具对于逆向工程模型算法、执行因果追踪和分析模型内部电路至关重要。

SHAP 模型可解释性

K-Dense-AI/claude-scientific-skills

提供 SHAP 相关指导，展示如何计算特征重要性、绘制解读图、调试模型、分析偏差与公平性，并对各种模型（树、深度、线性、黑盒）进行解释与比较。

SHAP 模型可解释性指南

K-Dense-AI/scientific-agent-skills

本技能涵盖使用 SHAP 库解释和审计机器学习预测。指导用户选择解释器、计算特征归因并验证结果。包括局部和全局可视化工作流，处理多输出模型，并确保模型行为描述准确，不暗示因果关系。需要 Python 3.12+ 及特定 SHAP 版本。

交易信号特征归因分析

该技能用于计算算法交易信号的模型可解释性。它通过构建特征贡献图并运行单入口PageRank算法，确定驱动预测结果的Top-K关键特征。这提供了一个符合监管要求的审计路径，对于满足欧盟AI法案等合规性要求至关重要。

理论模型与证明架构指南

aejmic-theory-model

brycewang-stanford/Awesome-Journal-Skills

本技能提供一套严谨的微观经济学理论建模和证明架构框架，旨在帮助用户撰写达到顶级学术期刊（如AEJ: Micro）标准的论文。它指导用户如何构建最小化、动机化的模型初元，选择并论证合适的均衡概念，并制定严密的证明策略，确保研究结果的普遍性、可解释性和深刻的经济学意义。

学术论文图表构建指南

asq-tables-figures

brycewang-stanford/Awesome-Journal-Skills

本指南提供专业指导，用于构建和完善学术论文中的图表和展示材料。它涵盖了定性（如数据-理论表、过程模型）和定量（如累积回归、交互图）两种数据的最佳呈现实践。核心目标是确保图表具备高度的自洽性和可解释性，有力地支撑并强化学术论点，符合顶级期刊的严苛要求。

认知理论与模型构建指南

cogpsych-theory-and-hypotheses

brycewang-stanford/Awesome-Journal-Skills

本指南指导研究人员如何将抽象的认知理论转化为严格的、可证伪的、具有解释性的形式化模型。它强调了在实验设计中，如何构建模型、定义参数意义，并推导出能够区分自身理论与竞争理论的预测，适用于高水平的认知心理学研究。

经济学实证因果推断与解释

ecj-identification

brycewang-stanford/Awesome-Journal-Skills

本指南为撰写顶级经济学期刊的实证研究提供了高级框架。它涵盖了双重差分（DID）、工具变量（IV）、断点回归（RDD）等准实验方法和结构模型，强调成功的论文不仅需要统计上可信的因果识别，更必须具备广泛的经济学意义和可解释性，帮助研究者构建完整的实证研究闭环。

1

语言