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？

某醫療 AI 系統使用深度學習模型分析胸腔 X 光影像，判斷患者是否罹患肺炎。 醫院評估委員會要求系統必須能夠標示「影像中哪些區域對本次診斷判斷影響最大」 ，以供放射科醫師進行審核確認。 下列哪一種可解釋 AI 技術最能直接滿足「標示影像中對預測結果影響最大的區域」此一需求？

某信用評分公司導入 SHAP（SHapley Additive exPlanations）框架分析機器學習模型的輸出行為。分析師希望了解： 「對於某位特定申請人被評為高風險的信用評分，各項輸入特徵分別對這個評分結果貢獻了多少」 。下列哪一項最能正確說明 SHAP Shapley 值在此情境中所提供的資訊？

某半導體製造廠導入 AI 視覺檢測模型，用於自動判斷晶圓表面是否存在瑕疵。隨著模型正式上線運作，品質管理部門希望了解模型在大量檢測影像中的整體判斷規律，例如哪些影像特徵通常對瑕疵判定結果影響較大，以及模型整體傾向依據哪些特徵進行分類。上述需求屬於可解釋人工智慧（Explainable AI, XAI）中的何種解釋方式？