본 논문은 인간 참여 선호도 베이지안 최적화(PBO)에서 선호도 선택을 향상시키기 위해 고안된 새로운 비교 설명 방법인 다중 출력 지역적 서술 설명(MOLONE)을 소개합니다. PBO의 선호도 유도는 벡터 값 결과, 의사 결정자의 주관적 우선 순위 및 의사 결정자의 선호도 선택에 대한 불확실성 간의 암시적 절충을 탐색하는 것을 포함하기 때문에 사소한 작업이 아닙니다. BO를 위한 기존 설명 가능한 AI(XAI) 방법은 주로 입력 특징 중요도에 초점을 맞추고 의사 결정자의 선호도 유도에서 출력(목표)의 중요한 역할을 무시합니다. MOLONE은 입력과 출력의 중요성을 모두 강조하는 설명을 제공하여 의사 결정자가 경쟁 목표 간의 절충을 이해하고 더 정확한 선호도 선택을 할 수 있도록 함으로써 이러한 간격을 해소합니다. MOLONE은 검색 공간의 지역 이웃 내에서 후보 샘플 간의 입력 특징과 결과의 중요성을 비교하여 선호도 기반 의사 결정에 관련된 미묘한 차이를 포착하는 지역적 설명에 중점을 둡니다. 벤치마크 다중 목표 최적화 함수를 사용하여 PBO 프레임워크 내에서 MOLONE을 평가하여 잡음이 많은 선호도 선택과 비교하여 수렴성이 향상됨을 보여줍니다. 또한 사용자 연구를 통해 MOLONE이 더 효율적인 선호 옵션 식별을 용이하게 함으로써 인간 참여 시나리오에서 수렴을 상당히 가속화한다는 것을 확인했습니다.
