Evidence Masking（证据掩码）

证据掩码通过在训练过程中随机或策略性地遮蔽输入中的部分证据（如图像区域或文本片段），迫使模型学习从剩余证据中推断答案，从而减少对训练数据中虚假相关性的依赖，提升模型的鲁棒性和可解释性。在视觉问答中，掩码关键区域可以防止模型仅凭语言先验答题；在自然语言推理中，掩码部分前提可以检验推理的忠实性。该方法常与注意力机制结合，用于增强模型的因果推理能力。