看注意力热力图，就像看一张总有亮处的天气图：最亮的位置很醒目，却未必真有异常。Transformer 的注意力会给图像小块或时间片段分配权重，但高权重只表示计算联系更强，不自动等于可靠解释。这项 JMLR 研究要解决的，正是怎样判断亮区是否可能只是随机波动。
据 JMLR 论文，研究者为图像和时序 Transformer 的高注意力区域计算 p 值——假设没有真实信号时，出现当前或更极端结果的概率。方法采用“选择性推断”：把模型先生成、再挑出亮区的过程也算进检验，避免用同一份数据既挑答案又证明答案。
最直观的例子来自早期视觉 Transformer：对一张无肿瘤图像，朴素检验给出接近 0 的错误显著 p 值；校正后的选择性 p 值为 0.801，正确判为不显著。它不能证明注意力就是因果解释，但把“看起来很亮”推进成了可控制误报率的统计证据。