文章主要内容总结
本文针对大型语言模型（LLMs）在文本分类任务中可解释性不足的问题，提出了一种名为PLEX（Perturbation-free Local Explanations）的无扰动局部解释方法。
传统的可解释AI（XAI）方法（如LIME和SHAP）通过生成大量扰动样本（如修改或删除词语）来识别影响模型预测的关键特征，但这种方式计算成本极高，尤其不适用于参数规模庞大的LLMs。
PLEX的核心思路是：利用LLM输出的上下文嵌入（contextual embeddings），通过一个“孪生网络”（Siamese network）进行一次性训练，学习嵌入与特征重要性分数之间的直接映射。训练完成后，PLEX可直接为新句子生成解释，无需再生成扰动样本，大幅降低了计算开销。
实验在四个文本分类任务（情感分类、假新闻检测、新冠疫情假新闻检测、抑郁倾向分类）上验证了PLEX的有效性：
- 与LIME和SHAP的解释结果一致性超过92%；
- “压力测试”（移除关键词语后观察分类准确率下降）显示，PLEX识别的关键特征与LIME、SHAP同样有效，部分任务中表现更优；
- 计算效率显著提升，时间和计算开销分别降低2个和4个数量级。
创新点
- 无扰动解释机制：首次提出无需生成扰动样本的局部解释方法，避免了传统方法中大量扰动带来的高计算成本；
- 孪生网络映射：通过孪生网络学习LLM上下文嵌入与特征重要性分数的直接映射，实现“一次性训练、终身高效解
