LeapFactualは、機械学習（ML）と人工知能（AI）のモデルが医療や科学研究などの重要な領域に統合される中で、精度だけでなく解釈可能性も求められることを背景に開発された新しい反実仮想説明アルゴリズムです。この手法は、入力に対して最小限の変更を加えることでモデルの予測を変え、より深い洞察を提供します。従来の反実仮想生成手法には勾配消失や離散的な潜在空間といった問題がありましたが、LeapFactualは条件付きフロー一致に基づいており、真の決定境界と学習された決定境界が乖離している場合でも信頼性の高い情報を生成できます。この手法はモデルに依存せず、ヒューマンインザループシステムにも対応可能で、一般市民科学などの従事が必要な領域においても適用できます。実験結果からは、LeapFactualにより生成される信頼性の高い反実仮想サンプルが、新たな学習データとして有益に活用できることが示されています。