MODEL EXPLANATIONS

预测解释

沿用冻结的融合预测器，分别解释情感强度与完整输入时的原预测类别概率。

研究动机

预测类别和连续强度由不同输出确定，二者的主要参考模态可能不同。本问固定两个解释目标，通过模态子集干预量化整体作用，再以逐位置遮挡定位局部证据。

模型内部的门控权重用于描述 RM 路径，不能代替完整融合模型的类别归因。解释结果描述模型的输入依赖，不构成真实情感成因的证明。

枚举文本、语音、视觉的全部 8 个子集，重新计算 RM 输出、LoRA 池化及文本可用度权重，并求取精确 Shapley 值。强度归因以空输入强度为基准；分类归因固定完整输入时的预测类别。

\phi_{\mathrm{T}}+\phi_{\mathrm{A}}+\phi_{\mathrm{V}} = F(\mathrm{T},\mathrm{A},\mathrm{V})-F(\varnothing)

$F$ 分别表示融合强度或原预测类别概率。内部强度分解另行报告缩放后的三模态贡献、RM 交互项及 LoRA 贡献。

对有效内容位置逐一遮挡。强度证据按输出绝对变化排序，分类证据按原预测类概率下降排序；PAD、CLS、SEP 不进入证据排序。局部效应包含上下文和融合权重变化，不能直接相加。

证据通过字符偏移、CTC 候选词时间及原始帧号映射回文本、语音时段和视频帧。时间映射单独核验，低可信对应保留标记。

在 728 条验证样本上计算删除与保留曲线，并与五次随机排序比较。分类证据的归一化删除 AUC 提高 0.1126，表明删除所选位置对原预测类概率的影响更大。

强度保留 AUC 高于随机，说明所选排序的删除影响并不等同于少量证据的充分性。分类保留 AUC 为负表示原预测类概率上升，不能解释为准确率提高。

另对 728 组样本实施整词删除与重新编码：与编码后遮挡相比，有符号效应的 Spearman 相关系数为强度 0.6680、类别概率 0.2903。两种干预同时涉及上下文、位置及融合权重差异，不能互相替代。

无标签集合 B（原附件 4）的 20 条样本均提供极性、强度与解释。论文图 10、11 展示同一个 19 号样本在类别概率和情感强度两个目标下的局部遮蔽效应。

附件 4 没有真值标签，解释用于检查模型行为，不用于评估预测准确率。