نُظهر متى يكون تحسين قياس الانفصال $f$f-divergence المُعرّف بشكل مناسب بالنسبة لتوقعات فاصل (classifier) والعلامات المُراقبة مقاومًا لضوضاء العلامات. وباستخدام الصيغة التباينية (variational form) الخاصة به، نستنتج خاصية فصل لطيفة لعائلة من قياسات الانفصال $f$f-divergence عند وجود ضوضاء في العلامات، حيث يُبين أن الانفصال يُشكّل تركيبًا خطيًا بين الفرق التبايني المُعرف على التوزيع النقي (clean distribution) وحدة تحيّز ناتجة عن الضوضاء. تُسهم هذه الصيغة المستمدة في تحليل مقاومة مختلف دوال الانفصال $f$f-divergence. وبمجرد إثبات مقاومتها، تظهر هذه العائلة من قياسات الانفصال $f$f-divergence كمقاييس مفيدة لمشكلة التعلّم مع علامات ملوثة، دون الحاجة إلى تحديد معدل ضوضاء العلامات. وعندما تكون هذه القياسات قد لا تكون مقاومة، نقترح حلولًا لجعلها كذلك. وبالإضافة إلى النتائج التحليلية، نقدّم أدلة تجريبية شاملة. يمكن الوصول إلى كودنا عبر الرابط: https://github.com/UCSC-REAL/Robust-f-divergence-measures.