来自https://hazyresearch.github.io/snorkel/blog/snark.html：

我们称这种类型的训练数据为弱监督，因为它比机器学习模型通常训练的昂贵的、手动管理的“黄金”标签更嘈杂且准确性更低。但是，Snorkel 会自动对这些嘈杂的训练数据进行去噪，以便我们可以使用它来训练最先进的模型。

据我了解，Snorkel 的目标是通过从一组小得多的手工标记训练数据中学习，为大规模 ML 算法生成大量合成训练数据。手工标记的训练数据由主题专家处理，因此我们更加确定标签的正确性（但获得大量此类数据可能非常昂贵，因此首先推动了 Snorkel ）。因此，他们似乎将这些手工标记的数据称为“黄金”标签，因为它们代表了一些可靠的真实值。这可以与算法输出的标签进行对比，这些标签希望是高质量的，但仍然受到构造噪声的影响。