本研究探讨在仅有噪声标签的情况下进行一致性预测（CP）校准的方法。提出了一种灵活的估计无噪声一致性阈值的方法，该方法不依赖于数据分布或分类器机制。实验结果表明，该方法在多个图像分类数据集上优于现有的噪声标签处理方法。

本文介绍了CI-ToD数据集在任务导向对话系统中解决一致性预测问题的应用。研究表明，现有方法在检测对话不一致性方面仍有提升空间。通过使用大型语言模型和特定组件，提出了提高任务信念跟踪准确率的策略，并探讨了对话系统的设计挑战和持续学习的基准。