本論文では、特徴帰属手法がモデルの決定を正当化するための最低限の証拠しか提供しないことが多いと指摘しています。従って、コンプライアンスやカタログ化には、全ての寄与特徴を特定することが求められます。著者らは、人間によって注釈付けされた医療データセットを用いたケーススタディを実施し、個々のモデルが完全な証拠のサブセットしか回収できないことを示します。しかし、複数のモデルからの証拠を集約することで、証拠の回収率を約0.60（最良モデルの単独使用）から約0.86（アンサンブルによる使用）に改善できることがわかりました。さらに、回収率と精度のトレードオフ、証拠を用いたトレーニングの役割、確信度閾値によるダイナミックアンサンブルなどについても分析し、議論を行っています。