2025_NIPS_Learning to Clean: Reinforcement Learning for Noisy Label Correction

文章主要内容与创新点总结

一、主要内容

该研究针对机器学习中含噪声标签导致模型性能下降的核心问题，提出了一种将噪声标签修正转化为强化学习（RL）问题的新框架——RLNLC（Reinforcement Learning for Noisy Label Correction）。

1. 问题背景

现实场景中，标签易受主观判断误差、记录错误等影响产生噪声，分为类别条件噪声（CCN）和实例依赖噪声（IDN）两类。现有方法（如标签过滤、重加权、半监督学习等）缺乏主动探索能力和长期决策视角，在复杂或高噪声场景下效果受限。

2. 核心框架

将噪声标签修正建模为马尔可夫决策过程（MDP），定义关键组件：

• 状态（State）：当前数据集及对应的（已修正）标签集合，初始状态通过随机修改少量标签增强探索性；
• 动作（Action）：二元决策向量，指示是否修正每个样本的标签；
• 策略函数（Policy Function）：基于深度特征提取网络和k近邻标签一致性，概率性决定标签修正动作；
• 奖励函数（Reward Function）：包