본 논문은 기존의 model-agnostic post-hoc 설명 방법들이 입력 특징에 대한 모델 출력의 국소적 기여도를 부여하는 데 그치는 한계를 극복하고자, Deng et al. (2024)의 Taylor 전개 기반 통합 프레임워크를 확장하여 제안된 방법입니다. Taylor 전개 항에 특화된 기여도를 규율하는 "정밀도(precision)", "연합(federation)", "영-불일치(zero-discrepancy)"라는 세 가지 공리(postulates)를 제시하고, 이를 바탕으로 추가적인 "적응(adaptation)" 특성을 포함하는 TaylorPODA (Taylor expansion-derived imPortance-Order aDapted Attribution) 방법을 제안합니다. TaylorPODA는 특히 ground-truth 설명이 없는 post-hoc 설정에서 과업 특정 목표와의 정렬을 가능하게 합니다. 실험 결과는 TaylorPODA가 기준 방법들에 비해 경쟁력 있는 결과를 달성하며, 원칙적이고 시각화에 용이한 설명을 제공함을 보여줍니다.
