反事实解释的底牌被翻开了：最小改动 = MAP 估计，然后呢？

做模型解释的人，应该都被反事实解释卡过。

场景很常见：一个信贷模型拒了申请，要告诉业务方「为什么拒」以及「怎么改才能过」。工具一跑，出来一个答案——收入从 8000 提到 12000，负债率从 45% 降到 30%。最小改动，看起来合理。但心里没底：为什么是这个组合？有没有别的改法？如果只改了收入但负债率没降，结果还成立吗？

大多数 CE 工具只给一个答案，不给选择。它背后跑的是一个距离最小化问题——在输入空间里找一个离原始点最近、又能翻转模型输出的点。但这个「最小改动」凭什么就是正确答案？

Keita Kinjo 刚挂上 arXiv 的一篇论文（2607.29077），把这个问题的数学底牌翻开了。

结论很干净：平时用的距离最小化反事实解释，数学上等价于一个 Gibbs 后验的最大后验（MAP）估计。贝叶斯推断一直在做，只是工具没点破。

作者把框架叫 Distance-Prior Generalized Bayes CE（DP-GBCE）。名字不友好，意思不复杂：给反事实解释配一个用距离定义的先验，然后在后验分布里做决策。「最小改动」就是后验里概率密度最高的那一个点——MAP 估计。后验分布里还有其他点，有些可能更有用。

这个视角转换的直接好处是，不再只有一种答案。

论文给出了两个超越 MAP 的新决策规则。一种是贝叶斯决策——在后验分布上最小化期望损失，把不同反事实解释带来的业务影响也纳入计算——有些改法用户更容易接受，有些成本更高，模型可以选一个整体期望损失最低的，而不是只看改动距离。

另一种叫 CVaR-CE，风险厌恶型决策。它盯的是后验分布的尾部——那些最不理想的情况——然后选一个在这些 worst-case 里表现最好的解释。医疗、信贷、保险这些场景很对口：宁可要一个「大部分情况下都还可以」的解释，也不要一个「平均好但偶尔翻车」的。

论文还处理了一个很疼的问题：模型多样性。上线之后可能同时跑了好几个性能差不多的模型，决策边界不一样，给的反事实解释也可能打架。传统做法是随便选一个模型算，心里没底。作者用贝叶斯模型加权，把多个模型的后验分布揉在一起，相当于让模型们投票出一个综合解释。

评估方面也给了指标，分别针对单个解释的质量和整个后验分布的质量。实验用到了模拟数据和 Google Trends 数据，量化了几种决策规则之间的权衡。论文 25 页、5 张图，具体细节不展开了。

这篇东西目前偏理论，不是今天看完明天就能塞进流水线的。但它把反事实解释放进了广义贝叶斯的框架里，这个事本身值钱。以后那些做 CE 的库——Alibi、DiCE——完全可以在返回「最小改动」的同时，把贝叶斯解和 CVaR 解也列出来，让使用者根据场景自己选。

现在看，它更像一个提醒：下一次跑反事实解释，不妨多想一步——这个「最小改动」真的是要的那个答案吗？后验分布里可能还有更合适的点，只是还没被翻到。

论文：https://arxiv.org/abs/2607.29077