所有解释都错，但许多解释有用：用大语言模型探索Rashomon解释集

论文提出Rashomon Explanation范式，不再寻找唯一解释，而是生成一组忠实且能指导预测的自然语言解释。其RashomonLLM通过“解释—预测—反思”迭代流程，在客户流失、临床生存回归和工业点击率预测任务中，据称同时提升预测准确率与解释质量，并对分布、时间切分和随机种子变化保持稳健。