该文介绍了对抗性解释（CEs）的方法，用于解决机器学习中的无法解释问题。作者提出了常规用户喜好，并将其映射到CEs的特性中。引入了T-COL方法，能够生成适应用户喜好的CEs，同时生成更加稳健和有效的CEs。实验证明，T-COL更适用于适应用户喜好和变量ML模型。