本文介绍了Drop-Bottleneck方法，用于离散删除与目标变量无关的特征，提供确定性压缩表示和学习特征提取器和选择器。在迷宫导航任务中，Drop-Bottleneck的探索方法表现出最先进的性能，对抗鲁棒性和降维方面优于VIB。

本文介绍了Drop-Bottleneck方法，用于离散删除与目标变量无关的特征，提供确定性压缩表示，并同时学习特征提取器和特征选择。在迷宫导航任务中，Drop-Bottleneck的探索方法取得了最先进的性能，对抗鲁棒性和降维方面优于Variational Information Bottleneck（VIB）。