본 논문은 XAI(eXplainable AI)의 설명 과정을 모델 성능 향상에 활용하는 새로운 규제 기법인 X-SHIELD를 제안합니다. X-SHIELD는 입력 특징 중 일부를 숨김으로써 모델이 해당 특징 없이도 일반화하도록 유도하는 정규화 기법입니다. 기존의 XAI 연구가 주로 블랙박스 모델에 대한 설명 생성 및 평가에 초점을 맞춘 것과 달리, X-SHIELD는 설명을 활용하여 특징 선택 및 숨김을 통해 모델 자체의 성능과 설명력을 동시에 향상시키는 데 중점을 둡니다. 벤치마크 데이터셋을 이용한 실험 결과, X-SHIELD가 모델 성능과 설명력을 모두 향상시키는 효과를 보임을 확인하였습니다.
