כתבה
arXiv cs.LG ·
WOMBAT: תיקון לבן למדדי מולקולות ובדיקות תגובה
WOMBAT: Whitebox Oracle for Molecular Benchmarking and Attribution Testing
WOMBAT היא בסיסת-נתונים של 14 גרפים נוירונליים לבן-בוקס, שכל אחד נועד לזהות SMARTS motif מסוים. המאמר עוסק בבדיקת כלי הסברה ל-GNNs, כולל GNNExplainer, PGExplainer ו-Integrated Gradients.
תקציר מקורי באנגליתarXiv:2610.00713v1 Announce Type: new Abstract: When a graph neural network (GNN) explainer produces an unexpected attribution on a molecule, the attribution alone cannot reveal whether the explainer has failed or the model has learned a shortcut. We introduce WOMBAT, a benchmark of 14 whitebox GNNs, each with message-passing weights set by hand to detect a specific SMARTS motif. Each model's decision rule is known by construction, providing attribution ground truth against which explainer errors can be identified and studied. We validate the models on millions of PubChem molecules and evaluate post-hoc explainers including GNNExplainer, PGExplainer, and Integrated Gradients. Guided by our qualitative analysis, we construct a model that causes Integrated Gradients to spread attribution acr
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית