该文章介绍了一种记忆一致性引导的分治学习框架（MCDL），通过引入两个内存库记录未标记数据的历史预测，利用预测一致性衡量每个样本的可信度，并设计了分治学习策略来充分利用未标记数据的区分性信息，减小噪声标签的负面影响。实验证明该方法在通用图像识别和语义转换任务中具有广泛性和优越性。