Attribution-Based Explainability (ABE)는 심층 학습 모델의 해석성과 신뢰성을 높이기 위해 핵심 특징을 식별하는 기존의 attribution 알고리즘들의 단점(확장성 한계, 높은 결합도, 이론적 제약, 사용자 친화적인 구현 부족)을 해결하기 위해 제안된 통합 프레임워크입니다. ABE는 기본적인 attribution 방법들을 공식화하고 최신 attribution 알고리즘을 통합하여 attribution axioms을 준수하며, Robustness, Interpretability, Validation, Data & Model 네 가지 사용자 정의 가능한 모듈을 통해 해석성을 향상시킵니다. 새로운 attribution 기술 개발을 가능하게 하고 확장 가능하며, 투명한 AI 시스템을 위한 기반을 제공합니다.
