Embeddings de oraciones explicables

Los embeddings de oraciones explicables combinan el aprendizaje de representaciones densas de oraciones con herramientas de interpretabilidad post-hoc o intrínsecas —como clasificadores de sondeo (probing classifiers), LIME, SHAP o atribución de atención— para revelar qué información lingüística y semántica está codificada en un vector de oración y por qué un modelo downstream realiza una predicción determinada. El objetivo es mantener la capacidad de representación de los codificadores modernos mientras se hace auditable su comportamiento.