半监督学习

general · 首次出现 2026-05-22 · 最近出现 2026-11-17 · 累计提及 8

综述

半监督学习是一类机器学习方法,通过同时利用少量带标签数据和大量无标注数据来训练模型,从而在标注成本高昂的场景下逼近全监督性能。它正处于深度学习与大规模预训练结合的活跃期,伪标签、一致性正则化等核心技术仍在持续演进。

半监督学习的近期研究进展

  • 智能体与半监督的结合。研究者提出 AgentSSL 框架,让机器学习智能体在任务执行过程中主动利用无标注数据(AgentSSL:让机器学习智能体用半监督学习利用无标注数据),把半监督学习从静态训练范式扩展到智能体的持续学习环节。
  • 广义类别发现的边界问题。当无标注数据中包含训练集未覆盖的新类别时,语义错配会显著影响模型表现。一项研究系统评估了这一问题并提出缓解方法(广义类别发现中的语义错配问题:评估与缓解方法),指出现有基准可能高估了模型的实际能力。
  • 伪标签质量的改进。共识伪标签学习方向出现新方法,通过类内结构调整构建差异化的决策源来提升伪标签可靠性(共识伪标签学习新方法:通过类内结构调整构建差异化决策源),减少错误伪标签的累积传播。
  • 应用场景持续扩展。在分子性质预测中,基于集成共识的半监督学习提升了预测精度(分子图半监督学习:利用集成共识提升预测精度);在医学图像领域,CERS 将思维链推理引入半监督分割(CERS: CoT增强推理的半监督医学图像分割),另一工作结合 SAM-Med2D 与 DINOv3 用于胎儿心脏超声分析(SAM-Med2D+DINOv3半监督胎儿心脏超声分析框架)。
  • 当前焦点与观察点

    当前半监督学习的讨论集中在三个方向。其一是伪标签噪声控制,如何避免模型将自身错误固化,仍是决定方法上限的关键;其二是与预训练大模型的融合,SAM、DINOv3 等基础模型作为骨干后,无标注数据的利用方式正从“从头学习表征”转向“微调与适配”;其三是开放世界假设下的鲁棒性,如广义类别发现中的类别错配问题,促使社区反思现有评测基准是否真实反映落地场景。

    值得观察的趋势是应用驱动明显增强:医疗影像、分子科学等标注昂贵但数据充足的领域成为半监督学习的主要试验场,而智能体场景的引入可能进一步改变该领域的评价方式。争议方面,学界对半监督方法在分布偏移下是否仍优于纯预训练方案尚无一致结论,实际部署前仍需结合具体数据分布验证。

    相关报道

    7 条在档