在「可解釋人工智慧（Explainable AI, XAI） 」領域中，LIME（Local Interpretable Model-agnostic Explanations）方法最核心的應用目的是什麼？

在醫療診斷決策支援系統等高風險領域中， 「可解釋人工智慧 （Explainable AI, XAI） 」的核心價值最主要呈現在哪個面向？

在可解釋 AI(Explainable AI, XAI) 的分類架構中，LIME（Local Interpretable Model-agnostic Explanations）屬於哪一類解釋技術？

SHAP（SHapley Additive exPlanations）值常用於分析機器學習模型的輸出行為。 下列何者最符合 SHAP 值所提供的資訊？

在金融業導入 AI 模型與可解釋性技術時，反事實解釋（Counterfactual Explanation）最符合下列哪一種應用？

在深度學習模型的分析與驗證過程中，研究人員有時會利用「顯著性圖（Saliency Map） 」來輔助理解模型行為。下列何者最符合此技術的主要用途？

某法律科技公司開發一套合約風險審查系統，可自動分析合約內容並標示潛在的高風險條款。律師在使用過程中，希望了解模型做出風險判斷的依據，因此系統導入顯著性圖（Saliency Map）作為可解釋 AI 的方法。請問在此自然語言處理（Natural Language Processing, NLP）應用情境中，顯著性圖主要用來標示什麼？

某製造業 AI 品質預測模型採用部分依賴圖（Partial Dependence Plots, PDP）分析特徵影響效果。資料科學家希望了解「溫度特徵」對良品率的整體影響趨勢，但主管進一步詢問，是否能用 PDP 判斷某一筆瑕疵產品批次資料中，溫度是否為主要原因。下列何者最能說明 PDP 在此情境中的限制？

某銀行使用 LIME（Local Interpretable Model-agnostic Explanations）來解釋其信貸審核模型的決策結果。分析師在閱讀解釋報告時，看到系統建立了一個簡化模型來近似原模型在該筆資料附近的行為。下列何者最能說明 LIME 中代理模型（Surrogate model）的意義？

下列哪一種 AI 應用情境中，模型的可解釋性（Explainability）最為關鍵？

一位資料科學家使用 XGBoost 建立信用風險評分模型，並使用 SHAP 解釋模型對某申請人的預測結果。SHAP summary plot 顯示該樣本中「月收入」的 SHAP 值為-2.3，「負債比率」為+1.8，其中 SHAP 值代表各特徵對模型輸出值的影響程度與方向。關於對 SHAP 值的解讀，下列敘述何者正確？

某銀行導入 AI 貸款審核系統，監管要求每筆被拒絕的申請須提供可理解的拒絕原因。技術主管評估以下方案，哪一種最能實現個別預測的局部可解釋性（Local Explainability）？