라벨 대신 설명을 물어보면 GNN의 지름길이 끊긴다

그래프 신경망(GNN)은 인과가 아니라 상관만 있는 엣지·특징, 즉 지름길(shortcut)에 기대 문제를 풀어버려 분포 밖 데이터에서 신뢰성이 무너집니다. XIGL은 아키텍처를 가리지 않고, 모델이 무엇을 근거로 판단했는지 보여주는 설명(explanation)을 사람에게 넘겨 교정 피드백을 받는 human-in-the-loop 구조입니다. 다만 전문가 교정은 단순 라벨보다 비싸고 인지 부하도 크기 때문에, 지름길 행동을 보일 가능성이 높은 설명부터 골라 묻는 액티브러닝(active learning) 질의 전략을 함께 제안했습니다. 여러 GNN 아키텍처에서 효과를 확인했고 구현체도 공개했습니다.