TRiCo：基于三方博弈论的鲁棒半监督学习协训练框架
机器学习
2025-12-02 v2 计算机视觉与模式识别
摘要
我们提出TRiCo，一种新颖的三方博弈论协训练框架，通过引入教师、两个学生和对抗生成器于统一的训练范式中重新构思半监督学习的结构。不同于现有的协训练或教师-学生方法，TRiCo将SSL建模为三种角色之间的结构化互动：(i) 两个在冻结、互补表示上训练的学生分类器；(ii) 通过验证反馈自适应调节伪标签选择和损失平衡的元学习教师；(iii) 对嵌入进行扰动以揭示决策边界弱点的非参数生成器。伪标签基于互信息而非置信度选择，提供更稳健的表征不确定性度量。该三方互动形式化为Stackelberg博弈，教师领先策略优化，学生在对抗扰动下跟随。通过解决现有SSL框架中静态视图互动、不可靠伪标签和缺乏硬样本建模等关键局限性，TRiCo提供了原则且可泛化的解决方案。在CIFAR-10、SVHN、STL-10和ImageNet上进行的大规模实验表明，TRiCo在低标签 regime下始终实现最先进性能，而且保持架构中立，兼容冻结视觉背bone。代码：https://github.com/HoHongYeung/NeurIPS25-TRiCo。
关键词
引用
@article{arxiv.2509.21526,
title = {TRiCo: Triadic Game-Theoretic Co-Training for Robust Semi-Supervised Learning},
author = {Hongyang He and Xinyuan Song and Yangfan He and Zeyu Zhang and Yanshu Li and Haochen You and Lifan Sun and Wenqiao Zhang},
journal= {arXiv preprint arXiv:2509.21526},
year = {2025}
}
备注
Accepted by NeurIPS 2025