MEA：面向忠实模型解释的奖励驱动多智能体系统

MEA 是一个奖励驱动的多智能体框架，由 Proposer 智能体按问题与模态选择并配置解释工具，Actor 智能体针对忠实度端到端优化，为表格、文本和视觉模型生成自然语言解释。在六个数据集上，MEA 优于 post hoc 解释器、智能体与闭源基线，忠实度较未训练骨干分别提升 +28%（表格）、+21%（文本）、+34%（视觉）。论文同时发现前沿 LLM 会系统性地给出不忠实的解释。