本研究提出了CLIPCleaner方法，利用CLIP模型进行零-shot分类，解决了机器学习中噪声标签学习的挑战。研究表明，CLIPCleaner在基准数据集上表现出色，展示了视觉-语言模型在处理噪声标签学习问题中的潜力。

本文介绍了一种新的二元分类设置——成对比较分类(Pcomp)分类，其中仅有一对未标记数据。文章推导出了一个带有理论保证的无偏风险估计器(URE)，并使用校正函数进一步改进了URE。同时，将Pcomp分类联系到噪声标签学习，发展了一种逐步URE并通过施加一致性正则化来改进它。实验证明了该方法的有效性，表明Pcomp除了成对标签之外，还是一种有价值且实用的成对监督类型。