本研究探讨了可解释人工智能（XAI）在机器学习中的应用，发现Integrated Gradients方法能够提升分类性能。研究指出，现有XAI方法在不同模型中产生不同的解释，存在误解的风险。提出了一种基于人类需求的XAI技术开发范式，以确保人工智能的负责任使用。

该文介绍了一种新的方法来评估时间序列分类的可解释性，并引入了新的评估指标。该方法使用新的合成数据集，并解决了文献中遇到的几个常见问题。新方法突出了 Shapley Value Sampling 和 Integrated Gradients 在时间序列分类任务中的可解释性优势。