MLLM-Shap：为多模态大语言模型实现 Shapley 值解释方法

华沙理工大学数据科学学士项目，将传统的 Shapley 值解释性方法扩展到多模态大语言模型，支持文本和音频模型的可解释性分析。

• 原作者/维护者：Pawlo77（华沙理工大学数据科学专业学生）
• 来源平台：GitHub
• 原始标题：MLLM-Shap
• 原始链接：https://github.com/Pawlo77/MLLM-Shap
• 发布时间：2026年7月12日

---

MLLM-Shap 是一个将传统的 Shapley 值解释性方法扩展到多模态大语言模型（Multi-Modal Large Language Models, MLLM）的开源实现。该项目是华沙理工大学数据科学专业的学士学位论文项目，旨在解决多模态模型可解释性领域的关键挑战。

传统的可解释性 AI 方法主要针对单一模态的模型设计，而多模态大语言模型同时处理文本、图像、音频等多种输入，这给模型解释带来了新的挑战。MLLM-Shap 通过实现适用于多模态场景的 Shapley 值计算方法，帮助研究者和开发者理解模型在多模态输入下的决策依据。

---

MLLM-Shap 的设计理念是将生产级的软件工程与科研级的实验工具相结合：

• 生产级特性：代码质量、文档完整性、可复现性
• 科研级特性：灵活的实验配置、丰富的分析工具、论文图表生成

├── mllm_shap/          # 核心包源代码、测试和文档
├── examples/           # 端到端可解释性工作流示例 Notebook
├── experiments/        # 数据集准备、配置运行器、分析工具
├── papers/             # 论文资源和图表生成管道
├── pyproject.toml      # 打包和文档配置
└── CONTRIBUTING.md     # 贡献规则

• 开发接口：make
• 依赖管理：uv
• 代码质量：pre-commit、black、isort、flake8
• 文档：Sphinx with autodoc
• 许可证：Apache License 2.0

---

pip install mllm-shap