元目标预测可以分解为对象，属性和关系类型的预测。 我们利用这些细粒度预测来询问WReN模型的准确性如何随其对每个属性的预测而独立变化。当形状元目标预测正确

（79.5%）

时，相比预测不正确

(78.2%)

时模型的精度有所提高；同样，当属性元目标预测正确(

49%)

时，相比预测不正确(

62.2%)

时模型的精度有所提高。然而，对于关系属性，正确和不正确的元目标预测之间的差异很大（86.8％对32.1％）。 这个结果表明正确预测关系属性对任务成功至关重要。

最后，当模型被训练于不仅预测正确的答案，而且预测答案的“原因”（即考虑解决这个难题的特定关系和属性）时，我们观察到了更好的泛化性能。有趣的是，在neutral split中，模型的准确性与它推断矩阵背后的关系的能力密切相关：当解释正确时，模型在87%的时候能选择到正确的答案；但当它的解释错误时，准确性下降到只有32%。这表明，当模型正确地推断出任务背后的抽象概念时，它们能够获得更好的性能。

• 它是前列腺的“一线生机”，男人常吃，炎症可能会“仓皇而逃”
• 男人房事中的“3不要”，可能既伤身体又伤感情，尽量别忽视
• 医生：脖子上出现3个症状，癌症可能已临近
• 45岁后，还能有这4个共性，恭喜你，可能与长寿有缘
• 你一直吃的面条竟然是你胖的罪魁祸首？你可能是减了一个假肥
• 恩爱夫妻需注意，身体此部位切不可深吻，可能会影响健康
• 男人过了45岁，若还有这4个表现，恭喜，你的寿命可能会更长！
• 脖子上若发现3个“信号”，可能癌细胞想“苏醒”，早知道早受益
• 常感疲劳，脱发严重？可能是这不好！5样“黑色食物”滋阴补肾，
• 每天“这个”时间排便的人，可能是“长寿”体质，不妨自测一下