On Pitfalls of $\textit{RemOve-And-Retrain}$: Data Processing Inequality Perspective
论 $\textit{RemOve-And-Retrain}$ 的陷阱:数据处理不等式视角
机构 * KAIST(韩国科学技术院)
AI总结 从信息论角度揭示ROAR基准的缺陷:数据无关的后处理可提升ROAR分数,导致对归因图信息量的误判,并发现模糊性偏差。
Comments Accepted at the 2026 ICML Workshop on Mechanistic Interpretability