本研究提出了一种自引导的伪相关性缓解框架，通过构建细粒度训练标签来提高分类器对伪相关性的鲁棒性。实验证明，训练分类器以区分不同的预测行为可以减少其对伪相关性的依赖，并在五个真实世界的数据集上优于先前的方法。