産業界での深層学習の応用において、手動でラベリングされたデータには一定数のノイジーデータが含まれています。この問題を解決し、開発データセットでのスコアを90以上に達成するため、モデルの予測結果を参考として人間による再ラベリングを行うシンプルな手法を提案します。本論文では、分類、シーケンスタギング、オブジェクト検出、シーケンス生成、クリックスルー率予測など、広範な深層学習タスクに対して当手法のアイデアを説明します。開発データセットの評価結果と人間評価の結果により、当手法の有効性が確認されています。