深度分析 以先驗機率衡量的好解釋：大型語言模型的反事實解釋挑戰與方向 本研究探討何謂「好」的解釋，提出以反事實為基礎並考慮受訊者先驗機率的定義，與傳統僅依因果或特徵重要性的解釋方法形成對照，指出大型語言模型因輸入表徵高度開放且缺乏可辨識事實集合，使得符合低先驗條件的解釋極為稀少，進一步推測若未來模型設計能內建獨立事實抽取層，或將促進金融、醫療等高風險領域的可解釋性需求落實。
