本研究提出了一种新方法，将选择性分类器集成到文本到SQL系统中，以提高在多样化查询下的鲁棒性和预测解释的信心。实验结果表明，该方法在错误检测方面更为有效。

本研究提出了一种新方法，通过将可解释机器学习中的不透明分类器预测解释任务视为约束优化，生成模型无关的解释。实证结果表明，该方法优于现有的启发式方法Anchors。