기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요

BOHM은 복합 AI 시스템의 기여도를 추가 비용 없이 계층별로 계산하는 새 방법이에요.

기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요. BOHM은 라우팅 가중치를 바로 써서 루트-리프 경로 곱으로 기여도를 뽑아요.

18개 LLM·3단계 구조·LiveCodeBench 880문제에서 BOHM의 Kendall tau는 0.928이었고, SHAP 0.980에 근접했어요. 다만 SHAP은 시드당 연합 평가가 9,000배 더 필요했어요. 475개 리프·4단계 Census 계층에서도 레벨별 순위를 잘 복원했어요.

핵심은 정확도-비용 트레이드오프를 크게 줄이면서, 평면 기법이 못 주는 멀티해상도 해석을 동시에 준다는 점이에요.