该文汇总多项研究：利用子模互信息选数据提升分类性能20-30%；提出低成本自监督数据归因法；用稀疏子集选择实现图像分割；结合部件发现与归因实现可解释细粒度识别；提出逐类可解释算法；提出ROAD归因评估框架；提出三种评估方案及平滑后处理；用第二网络生成类特定蒙版；结合子集选择与半监督数据编程训练模型；提出区域归因方法XRAI及PICs评估。

该研究基于信息论，利用子模互信息函数进行数据子集选择（主动学习与主动采样），以提升深度学习标签与训练效率。在CIFAR-10和MNIST上分类性能提升20-30%。同时涉及局部解释框架、分子能量预测、多样性模型选样、弱监督学习及互信息最大化表示等方法，提高准确率并降低成本。