본 논문은 기계 학습 작업에서 주관성이 내재되어 있어, 다양한 레이블이 생성되는 상황에서, 단일 레이블로 축약하는 기존 방식의 문제점을 지적한다. 저자들은 주석 분포 자체를 정답으로 간주하고, 소프트 레이블 학습을 통해 모델이 인식적 불확실성을 보존해야 한다고 주장한다. 실험 결과, 소프트 레이블 학습은 하드 레이블 학습과 동일한 정확도를 유지하면서도, 인간 주석과의 KL 발산은 32% 감소하고 모델 엔트로피와 주석 엔트로피 간의 상관 관계는 61% 향상되었다.
