搭建桥梁，而非墙壁——通过统一特征、数据和模型组件归因来推进可解释性

本研究探讨了AI系统日益复杂性带来的理解挑战，分析了特征、数据和模型组件归因方法的相似性。通过统一视角，揭示了不同方法共享的核心技术，推动了可解释性研究的发展，并为模型编辑、引导和监管等广泛AI研究提供了新方向。