Concept Bottleneck Models (CBMs)은 인간이 이해할 수 있는 개념을 중심으로 예측을 구성하여 해석력을 높이는 것을 목표로 합니다. 그러나 예측 신호가 개념 병목 현상을 우회하는 의도하지 않은 정보 유출은 투명성을 저해합니다. 본 논문에서는 CBM에서 정보 유출을 정량화하는 정보 이론적 척도를 제시하여 개념 임베딩이 지정된 개념 외에 추가적인 의도하지 않은 정보를 어느 정도 인코딩하는지를 포착합니다. 다양한 구성에서 누출 경향을 감지하는 효과를 보여주는 통제된 합성 실험을 통해 척도를 검증했습니다. 연구 결과, 특징과 개념의 차원이 누출에 상당한 영향을 미치며, 분류기 선택이 측정 안정성에 영향을 미치고, XGBoost가 가장 신뢰할 수 있는 추정기로 나타났습니다. 또한, 예비 조사에 따르면, 이 척도는 소프트 조인트 CBM에 적용될 때 예상되는 동작을 보여주어 완전히 합성된 설정을 넘어 누출 정량화의 신뢰성을 시사합니다. 본 연구는 통제된 합성 실험에서 척도를 엄격하게 평가했지만, 향후 연구에서는 실제 데이터 세트에 대한 적용을 확장할 수 있습니다.
