少数事例分類(FSC)では、訓練データと検証データの分布の違いにより、深層学習モデルの性能が大幅に低下する問題がある。特に、訓練データと検証データの間に偽相関が存在する場合、モデルはその偽相関に依存してしまい、一般化性能が悪化する。本研究では、この問題に取り組むための新しい大規模ベンチマーク「MetaCoCo」を提案する。