본 논문은 심층 신경망이 훈련 데이터에 존재하는 허위 상관관계에 의존하여 작동하는 문제를 다룹니다. 기존 연구들은 허위 신호의 강도가 실제 신호보다 훨씬 강한 경우에 초점을 맞추었지만, 본 논문은 허위 신호의 강도가 상대적으로 약하지만 치명적인 결과를 초래하는 새로운 설정을 제시합니다. 이러한 설정에서 허위 상관관계는 소수의 샘플에 의해 주로 학습된다는 점을 발견하고, 이러한 샘플을 포함하는 작은 부분집합을 식별하고 제거하는 새로운 데이터 가지치기 기법을 제안합니다. 제안된 기법은 도메인 지식, 샘플별 허위 정보의 존재 여부 또는 특성에 대한 정보, 또는 인간의 개입을 필요로 하지 않습니다. 또한, 기존 연구에서 허위 정보가 식별 가능한 설정에서 최첨단 성능을 달성함을 보여줍니다.
