G3.17.5explanation for query reformulation设计研究
可解释性的目的是帮助用户调整查询，而非证明排序正确
别名: 查询改写 · why-this-rank · 解释的目的
概念解释
检索解释若写成「该结果得分高因为权威度 0.81、新鲜度 0.12」，那是在为排序器做辩护。查找过程要的不是判决书，而是下一刀往哪砍。Bates 的采浆果、Marchionini 的探索式检索、Koenemann 与 Belkin 对透明相关反馈的实验，都把解释的成功定义成人能改写查询或约束：加一个词、去掉一个太宽的词、换字段、关掉一把过滤。证明「算法没排错」既不可检验，也不产生下一步。
同一屏幕上的字段归因、定制提示、隐式过滤来源，都该按这个目的来取舍：能改变下一句查询的留下，只能增加信服感的去掉。
机制
查找是多轮的。每一轮结果的作用是提供关于「这句话怎么被理解」的证据，好让下一轮更接近目标。解释若指向内部特征（权威度、深度学习的注意力、点击预测），证据落在人改不了的地方：用户不能把权威度调高，只能换词或换范围。注意力被吸到「系统是否公正」，任务从查找变成了审判算法，轮次在空转。
指向可改写对象的解释把证据放回查询语言：打中的是标签不是题名 → 加字段限制；名单针对你 → 对照通用名单；安全搜索在切 → 关掉再看。每一条都对应一个界面动作。解释的质量因而可以用「下一轮是否发生了有针对性的改写」来量，而不是用「是否觉得系统可信」来量。可信可能上升，查找却停住了。
怎么研究
把解释文案分成「辩护排序」和「指向改写」两类，测下一轮查询是否更接近目标。
- 范式：给一项需要两到三轮改写才能完成的任务；一种解释列内部特征权重，一种指出字段、过滤、范围中可改的那一项。Koenemann 与 Belkin 比较透明 / 不透明相关反馈时，透明条件提高的是用户对反馈的控制，而不是对模型的信仰——方向与此一致。
- 自变量：解释指向内部特征还是指向可改约束、是否提供紧挨着的动作（「仅搜标题」「关闭此项」）。
- 因变量：针对性改写的次数（改对了那一层）、无效改写、完成轮次、把时间花在评价算法上的比例。
- 方法论注意点：信任问卷会让辩护式解释看起来赢。主指标必须是改写质量和任务完成。单轮即结束的简单查找测不到解释的目的，要用需要修正的任务。
边界
审计、争议、安全事件里，解释的受众换成了调查员，目的可以是证明某次排序为何发生，查询改写不再是第一义。那种解释进日志和工单，不必进每一条结果行。专家监控盘上的特征权重是调参工具，不是给偶发查找的文案。当结果已经对、人只是在确认，简短的「题名命中」足够，再跟一长串可改写建议是噪音。
怎么落地
- 写解释之前先写「用户听完会做什么」；做不出动作的句子删掉。
- 把解释接到控件：字段名旁边是「仅此字段」，过滤来源旁边是关闭，定制旁边是对照通用名单。
- 不要用权威度、模型贡献、分数分解当结果页正文；那些留给内部调试。
- 验证：选一个第一轮会排错的查询（词太宽、打中了错误字段、隐式过滤切掉了目标）。解释出现后，用户的下一动作应是改那一层。若他们开始讨论「这个排序合不合理」或什么也不改，解释在辩护，没有在帮查找。