增强AI可信度：基于注意力一致性的可解释早期退出神经网络

这项研究通过引入一种方法来对齐不同层之间的注意力机制，解决了早期退出神经网络的一个关键限制——缺乏可解释性。 提出的框架，即解释引导训练（EGT），有潜力显著增强使用早期退出架构的AI系统的信任度，尤其是在资源受限的环境中，效率至关重要。

• •本文介绍了解释引导训练（EGT），一个用于可解释的早期退出神经网络的多目标框架。
• •EGT 使用注意力一致性损失来对齐不同退出点之间的注意力图，从而提高可解释性。
• •实验表明，与基线模型相比，EGT 实现了相当的准确度、更快的推理速度和增强的注意力一致性。