该研究提出了一个可解释的基准数据集XIMAGENET-12，包含20万多张图像和15,600个手动语义注释，以解决标准化鲁棒性评估指标缺乏和过多无关基准数据集的问题。同时，提出了一个新的鲁棒性评估标准，可用于评估视觉模型的鲁棒性。