本研究解决了深度学习模型在预测时关注无关区域的问题，导致性能偏差和泛化能力有限。通过提出crayon（用是或否注释纠正推理），我们提供了有效且可扩展的赢家斗地主的解决方案，利用简单的是非注释来修正模型注意力。实验结果表明，crayon在精炼模型注意力方面的效果显著，超过了12种方法，并在3个基准数据集上达到了最先进的性能。
visual attention-prompted prediction and learning框架通过引入视觉关注提示来改善模型决策，解决信息不完整的问题。该框架采用扰动关注图的修改和优化聚合方法，提升了无关注提示样本的预测能力。实验结果验证了其有效性。
