本研究探讨在半监督学习中如何处理标签稀缺时的不一致未标记数据，提出新方法以提升鲁棒性，并建立评估基准，对开放环境中的稳定性问题具有重要影响。

本研究提出了一种新框架，利用无限Laplacian特性解决半监督学习中的标签稀缺和类别不平衡问题，实验结果显示其分类准确性优于现有方法。

本研究提出了一种数据驱动的双层优化方法，解决分子性质预测中标签稀缺的问题。通过自动获取最佳迁移比率，实现多任务迁移学习，提升了40种分子性质的预测性能，并加快训练速度，克服了手动设计的局限性。