本文提出了一种无监督的实时元损失重新加权方法，旨在降低高质量标签创建成本及标签错误对训练的影响。研究表明，该方法在自然语言处理任务中表现优异，尤其在对话建模中有效应对标签噪声和类不平衡问题，提升模型性能。