该论文提出了一种基于信息瓶颈原理和不变风险最小化框架的新方法，用于提取紧凑且信息丰富的特征。该方法在图像分类任务上表现优于当前最先进的方法，并实现了更好的率失真权衡。

本文提出了一种基于信息瓶颈原理的图随机注意力方式，用于解释学习过程中选择任务相关亚图，并保证这些亚图中不包含与任务不相关的模式，并在8个数据集上进行了广泛的实验，结果表明该方法比现有方法在解释和预测准确度上都有更好的表现。

本文介绍了一种基于信息瓶颈原理的图形数据表示学习方法，通过优化图形网络结构和节点特征的表达方式，提高了表达性和鲁棒性。使用两个新模型实现了图信息瓶颈原则，比最先进的图形防御模型更具鲁棒性。