Este artículo presenta las garantías de estabilidad como un método fundamental para evaluar la atribución de características. Señala las limitaciones de los métodos de autenticación existentes, que utilizan clasificadores excesivamente suavizados y solo ofrecen garantías conservadoras. Para abordar esto, introducimos la "estabilidad suave" y proponemos un algoritmo de autenticación de estabilidad (SCA) simple, independiente del modelo y eficiente en el uso de muestras, que proporciona garantías no obvias e interpretables para todos los métodos de atribución. Además, demostramos que el suavizado suave ofrece un mejor equilibrio entre precisión y estabilidad, evitando los excesivos compromisos inherentes a los métodos de autenticación existentes. Para explicar este fenómeno, derivamos características novedosas para la estabilidad bajo suavizado mediante análisis funcional booleano. Demostramos la eficacia de la estabilidad suave para medir la robustez de los métodos de explicación mediante la evaluación de SCA en tareas de visión y lenguaje.
