本論文は、分類システムの予測不確実性を制御するための小さな予測セットを生成するコンフォーマルプレディクション（CP）について説明します。 CPは、モデル予測に基づいてスコアを定義し、検証セットを使用してこのスコアのしきい値を設定するように機能します。この研究は、ノイズのあるラベルを持つ検証セットにしかアクセスできない場合のCPの校正問題を解決します。ノイズのあるラベルデータに基づいてノイズのないコンフォーマルしきい値を推定する方法を提示し、多くのクラスを持つタスクでも効果的な均一ノイズに対する有限サンプルの適用範囲を保証します。この方法を、Noise-Aware Conformal Prediction（NACP）と呼びます。複数の標準画像分類データセットで提案された結果のパフォーマンスを示します。
