本研究提出了一种基于示例的解释技术（EBE-DNN），解决了现有方法仅适用于少数模型的问题。EBE-DNN能够通过少量示例提供高效的示例归因，并保持与原始模型的准确度一致，嵌入层的选择对准确度有显著影响。

本研究提出了一种Top-Theta注意力方法，通过补偿阈值有效剪枝不重要的注意力元素，从而降低变压器模型的计算复杂性。在生成解码阶段，该方法将V缓存行数减少了3倍，在预填充阶段则降低了10倍的注意力元素数量，同时保持了模型的准确度。