本研究提出了“集群可用性损失”函数，以解决神经网络可解释性不足的问题，通过模块化训练形成独立集群，显著提高模型的可解释性。

本研究提出了一种高效的方法，通过对训练数据子集进行模块化训练和合并，近似实现数据消融。研究表明，模型在候选数据集上的表现与不同数据分割训练的模型参数平均值密切相关，从而提升训练效率和模型性能。