機械学習が広範な公衆の採用を得るためには、モデルは自らの決定に対する解釈可能で堅牢な説明を提供できるだけでなく、訓練時に人間から提供される説明から学習することも必要です。本研究では、スタンフォード自然言語推論データセットに、人間が注釈した自然言語による包含関係の説明を追加する新たなレイヤーを導入しました。さらに、これらの説明を訓練プロセスに組み込み、テスト時には出力するモデルを実装しました。私たちは、この説明のコーパス（e-SNLIと呼びます）が、モデルの決定に対する全文での正当化や普遍的な文表現の改善、そしてドメイン外のNLIデータセットへの転移など、さまざまな目的に利用できることを示しています。当該データセットは、自然言語説明を使用してモデルを改善し、その信頼性を確認するための研究方向性を開拓します。