---
title: "交互基解释 (Interaction-Based Explanation)"
created: 2026-06-03
updated: 2026-06-03
type: concept
tags: [interpretability, interactions, LLM, DNN, xAI]
sources:
  - "[[zhang-reconciling-sft-interaction-2026]]"
---

# 交互基解释 (Interaction-Based Explanation)

## 定义

交互基解释是一种将深度神经网络（DNN）的复杂推理逻辑分解为一组**基本交互模式**（interaction primitives）的可解释性方法。在 LLM 的语境下，交互通常表示为输入 token/词之间的短语模式。

## 核心思想

DNN 的输出可以被忠实地近似为一组 [[and-or-interactions|AND-OR 交互]] 的加权和。每个交互表示输入变量之间的某种组合关系：

- **AND 交互**：当所有参与变量同时存在时激活，贡献效应 $I_T^{\text{and}}$
- **OR 交互**：当任一参与变量存在时激活，贡献效应 $I_T^{\text{or}}$

## 关键性质

1. **通用匹配性 (Universal Matching)**：由提取的交互构建的 [[logical-model-interaction|逻辑模型]] 可以在所有 $2^n$ 个掩码状态下以 $\epsilon$ 精度逼近原 DNN 输出
2. **稀疏性 (Sparsity)**：实际中 DNN 从单个输入样本提取的交互数量很小（通常 50-150 个），理论上也有界
3. **忠实性 (Faithfulness)**：大量实证和理论工作验证了交互解释的忠实性

## 应用于 SFT 分析

在 [[zhang-reconciling-sft-interaction-2026|Zhang et al. (2026)]] 的工作中，交互被用作追踪 SFT 过程中 LLM 推理模式演变的量化指标。通过持续追踪交互的涌现和消亡，可以揭示 SFT 两阶段动力学的内在机制。

## 相关概念

- [[and-or-interactions|AND-OR 交互]]
- [[logical-model-interaction|交互逻辑模型]]
- [[interaction-order|交互阶数]]
- [[interaction-generalizability|交互泛化性]]
- [[shapley-values]] (计算上相关)