一家金融機構使用基礎模型來支援貸款決策，並要求模型的決策必須具有可解釋性，以符合稽核和安全要求。哪個因素最直接影響模型決策的可解釋性？

模型複雜度最直接影響模型決策的可解釋性。複雜的模型，如深度學習模型，通常包含數百萬甚至數十億個參數，其內部運作機制難以理解和解釋，形成「黑箱」。這使得稽核人員難以追蹤決策路徑或驗證公平性。相較之下，簡單的模型（如線性迴歸或決策樹）更容易解釋其決策邏輯。訓練時間、超參數數量和部署時間是模型開發和操作的考量，但它們本身不直接決定模型決策的可解釋性。