V-CEM：弥合基于概念模型的性能与干预性

本研究针对基于概念的可解释人工智能（C-XAI）模型在面对分布外数据时的干预能力不足与黑箱模型性能差距的问题，提出了一种新颖的变分概念嵌入模型（V-CEM）。V-CEM通过变分推理提高了干预的响应性，同时在保持概念嵌入准确性的基础上，实现了与概念瓶颈模型（CBM）相媲美的干预效果，显著缩小了解释性与泛化性之间的差距。