연구팀이 머신러닝 모델 예측 설명에 사용되는 다양한 쿼리 및 점수 체계의 통일적인 분석을 위한 선언적 쿼리 언어 ExplAIner를 개발했어요.
ExplAIner는 FOIL의 한계를 극복하고, 다양한 설명 방식(귀납적, 대비적, 특징 기반, 거리 기반)을 표현할 수 있도록 설계됐어요.
Opt-FOIL은 최소한의 설명 산출을 위한 최적화 기능으로, SAT solver 호출 횟수를 제한하여 효율성을 높였어요.
연구 결과는 형식적 XAI 분야에서 SAT solver를 활용한 설명 계산에 기여할 것으로 기대돼요.