本文探讨了Grokking现象，即延迟泛化，挑战了传统深度学习模型的训练理解。通过合成数据集，研究了训练与测试数据分布变化对Grokking的影响，发现小样本量与Grokking相关但并非直接原因。

提出了一种新型抽样方法，用于评估人体部位相关性。该方法对小样本量更稳健，可在大规模数据集上进行高效的可解释性分析。