近日，实验室2020级硕士生魏琦的一篇论文“面向标签噪声学习的联合训练框架”(作者：魏琦，孙皓亮，马玉玲，尹义龙)被中国科学:信息科学录用。中国科学:信息科学属于中国计算机学会推荐的CCF A类中文期刊。

当前面向标签噪声的鲁棒性学习通常依赖样本选择和标签修正两种策略，但是这两类方法均存在缺陷。基于样本选择的方法忽略了被过滤掉的样本中的有效信息，进而降低了模型的性能。基于标签修正的方法常使用自标签技术而引起模型的错误积累问题。对此，本文提出了一个集成样本选择、标签修正的联合训练框架。针对样本选择模块，本文设计了一种新的选择标准，通过在线选择的方法对所挑选的样本集合进行更新。相较于现有选择标准，本文提出的标准可保留更多边界样本，提升了模型对决策边界的学习性能，增强了模型的泛化性能。针对标签修正模块，本文提出了一种联合标签修正策略。相比于传统的自标签修正技术，该模块通过联合特征空间视角，对噪声样本进行多视角的标签修正，解决了传统自标签技术的错误累积问题。此外，本文引入对比学习正则化项，提升了标签修正效果和模型表征学习能力。本方法在四个测试基准上取得了当前最好分类效果，验证了所提训练框架的有效性。