本研究提出了一种新型的解释瓶颈模型（XBM），无需预定义概念即可生成文本解释进行任务预测。实验显示，该模型在没有预定义概念集的情况下，仍能提供准确自然的语言解释，增强了可解释性。

本研究使用语言嵌入进行自动驾驶数据集的主动学习，重点是新颖性检测。通过对比语言-图像预训练嵌入对数据集进行聚类实验，有效地分离出新颖场景，并提出了生成文本解释的方法。结果证明了使用语言驱动的嵌入进行新颖元素识别和数据解释生成的有效性。讨论了安全接管、数据整理和多任务主动学习的潜在应用。

本研究使用语言嵌入进行自动驾驶数据集的主动学习，重点关注新颖性检测。通过对比语言-图像预训练嵌入对数据集进行聚类实验，有效地分离出新颖场景。进一步提出了生成用于区分新颖场景与其他场景的文本解释的方法，并讨论了安全接管、数据整理和多任务主动学习的潜在应用。