在「可解釋人工智慧（Explainable AI, XAI）」領域中，LIME（Local Interpretable Model-agnostic Explanations）方法最核心的應用目的是什麼？
答案 （A）
核心概念
LIME 的全名已經把答案寫出來了——Local（局部）、Interpretable（可解釋）、Model-agnostic（與模型無關）、Explanations（解釋）。它的做法是：針對「某一筆」預測，在該樣本附近產生一堆擾動樣本，丟進黑箱模型取得預測結果，再用一個簡單的可解釋模型（例如線性迴歸）去逼近黑箱在這個小鄰域的行為，藉此說明「這一筆為什麼被判成這樣」。
答題技巧
快速判斷技巧：英文縮寫題先把全名拆開，關鍵字通常就藏在裡面。LIME 的 L 就是 Local，看到「局部／單一樣本」直接選。同理，SHAP 則同時能做局部與全域解釋，可以拿來對照記憶。
易錯陷阱：(C) 聽起來很吸引人，因為「把黑箱變透明」是 XAI 的理想。但 LIME 是「事後、局部」的解釋方法，它從頭到尾沒有取代原模型，原模型還是照常做預測。