XIGL: Guida Attiva alla Spiegazione per Contrastare l'Apprendimento Scorciatoia nelle GNN

Un nuovo articolo di ricerca su arXiv (2608.14121) introduce XIGL, una strategia human-in-the-loop indipendente dall'architettura per mitigare l'apprendimento scorciatoia nelle Reti Neurali a Grafo (GNN). Le scorciatoie sono archi, nodi o caratteristiche che correlano con le previsioni ma non ne sono la causa, compromettendo l'affidabilità del modello in compiti fuori distribuzione. Il metodo sfrutta le spiegazioni delle GNN per rilevare la dipendenza dalle scorciatoie, e poi utenti esperti forniscono feedback correttivi per deconfondere il modello. XIGL supporta qualsiasi strategia di interrogazione, ma include un approccio di apprendimento attivo per dare priorità alle spiegazioni che probabilmente mostrano comportamenti di scorciatoia, riducendo i costi di annotazione e cognitivi. L'articolo dimostra l'efficacia di XIGL, anche se l'abstract è troncato. Il lavoro è rilevante per l'affidabilità e l'interpretabilità dell'IA, in particolare nelle applicazioni basate su grafi.