本文探讨了可解释的人工智能与公正性之间的联系，概括了八个公正性期望，并讨论了可解释的人工智能如何解决这些期望。

本文介绍了一种名为SlotAug的自增强图像策略，探索了学习可解释的自控槽位的可能性。实证研究和理论验证证实了该方法的有效性，为可解释和可持续控制对象表示提供了一种新的能力。

ExGNAS是一种高效且可解释的图神经网络搜索方法，能够节省人力努力和计算成本。实验结果表明ExGNAS在准确性和运行时间方面超过当前的图神经架构搜索方法，并有效分析同质图和异质图中GNN架构的差异。