本研究分析了可解释人工智能中Shapley值（SHAP分数）的缺陷，提出了一种新的SHAP分数定义，以解决现有问题并提供有效的估计方案。初步实验结果支持这一观点。

本文研究了局部隐私约束下的估计方案制定下限，并推导出了私有估计和受通信限制的估计问题之间的等价性。作者还证明了有界或高斯随机向量的均值估计的最小最大均方误差按比例缩放的结论。