数据清洗论文趋势 2023–2026
噪声标签
统计范围：NeurIPS、ICLR、ICML、CVPR 四个会议，2023–2026 年，共 48 篇被归入该主题的论文。
主要结论
- 数据清洗论文从 2023 年的 21 篇降到 2026 年的 10 篇，热度在回落。
- ICML 是发数据清洗论文最多的会议，2023–2026 年共 17 篇，占四个会议总量的 35%。
- 在「以数据为中心 AI」的 5 个主题里，它的 2026 年论文数排第 5；同组增长最快的合成数据生成是 1.3 倍，数据清洗是 0.5 倍。
各会议论文数
按年份和会议统计
| 年份 | NeurIPS | ICLR | ICML | CVPR | 合计 |
|---|---|---|---|---|---|
| 2023 | 2 | 2 | 9 | 8 | 21 |
| 2024 | 0 | 0 | 5 | 6 | 11 |
| 2025 | 2 | 1 | 2 | 1 | 6 |
| 2026 | 6 | 1 | 1 | 2 | 10 |
代表论文
按年份和会议均匀挑选，方便快速看到每一届的样貌
- NeurIPS 2026GradTrack: Detecting Noisy Labels via Temporal Trajectories of Class-wise Gradient Misalignment
- ICML 2026Learning Locally, Revising Globally: Global Reviser for Federated Learning with Noisy Labels
- ICLR 2026Enhancing Learning with Noisy Labels via Rockafellian Relaxation
- CVPR 2026Cleaning the Pool Progressive Filtering of Unlabeled Pools in Deep
- NeurIPS 2025Enhancing Sample Selection Against Label Noise by Cutting Mislabeled Easy Examples
- ICML 2025Free Process Rewards without Process Labels
- ICLR 2025Learning to Generate Diverse Pedestrian Movements from Web Videos with Noisy Labels
- CVPR 2025Directional Label Diffusion Model for Learning from Noisy Labels
- ICML 2024Learning with Complementary Labels Revisited: The Selected-Completely-at-Random Setting Is More Practical
- CVPR 2024Estimating Noisy Class Posterior with Part-level Labels for Noisy Label Learning
- NeurIPS 2023Label Correction of Crowdsourced Noisy Annotations with an Instance-Dependent Noise Transition Model
- ICML 2023Data Structures for Density Estimation
- ICLR 2023Learning to Segment from Noisy Annotations: A Spatial Correction Approach
- CVPR 2023Fine-Grained Classification With Noisy Labels
- NeurIPS 2026Memorization Is Folding: Topological Signatures of Noisy-Label Learning
- CVPR 2026Debiased Sample Selection for Learning with Noisy Labels
- NeurIPS 2025ELDET: Early-Learning Distillation with Noisy Labels for Object Detection
- ICML 2025Retraining with Predicted Hard Labels Provably Increases Model Accuracy
- ICML 2024Pi-DUAL: Using privileged information to distinguish clean from noisy labels
- CVPR 2024Learning with Structural Labels for Learning with Noisy Labels
全部数据清洗论文
共 1 篇，第 1 / 1 页
在 Claude、Cursor 里直接问这个趋势
接上 Paperlist MCP 后，写综述、挑方向或准备投稿时，不用离开对话框就能拿到这页的数字：每年各会议的论文数、增长倍数、涨得最快的子方向和代表论文，AI 会按你的问题整理。
可以直接复制这句话问 AI
用 paperlist 查数据清洗在 ICML 2023–2026 的论文趋势，哪一年涨得最快？
AI 会调用的工具：get_topic_stats {"topic": "data-cleaning"}
常见问题
- 2023–2026 年四大会议一共有多少篇数据清洗论文？
- 共 48 篇，按年份分别是 2023 年 21 篇、2024 年 11 篇、2025 年 6 篇、2026 年 10 篇。
- NeurIPS 2026 有多少篇数据清洗论文？
- NeurIPS 2026 有 6 篇数据清洗论文，上一届是 2 篇。
- ICLR 2026 有多少篇数据清洗论文？
- ICLR 2026 有 1 篇数据清洗论文，上一届是 1 篇。
- ICML 2026 有多少篇数据清洗论文？
- ICML 2026 有 1 篇数据清洗论文，上一届是 2 篇。
- CVPR 2026 有多少篇数据清洗论文？
- CVPR 2026 有 2 篇数据清洗论文，上一届是 1 篇。
- 哪个会议的数据清洗论文最多？
- ICML，2023–2026 年共 17 篇。