arXiv:2509.21707v3 Announce Type: replace 
Abstract: Semi-supervised learning (SSL) arises in practice when labeled data are scarce or expensive to obtain, while large quantities of unlabeled data are readily available. With the growing adoption of machine learning techniques, it has become increasingly feasible to generate multiple predicted labels using a variety of models and algorithms, including deep learning, large language models, and generative AI. In this paper, we propose a novel approach that safely and adaptively aggregates multiple black-box predictions of uncertain quality for both inference and prediction tasks. Our method provides two key guarantees: (i) it never performs worse than using the labeled data alone, regardless of the quality of the predictions; and (ii) if any one of the predictions (without knowing which one) perfectly fits the ground truth, the algorithm adaptively exploits this to achieve either a faster convergence rate or the semiparametric efficiency bound. We demonstrate the effectiveness of the proposed algorithm through small-scale simulations and two real-data analyses with distinct scientific goals. A user-friendly R package, sada, is provided to facilitate practical implementation.

تم اقتراح نهج جديد يسمى SADA لتجميع تنبؤات متعددة من الصناديق السوداء بشكل آمن وتكيفي في التعلم شبه المراقب، مما يعالج تحدي ندرة البيانات المعلّمة مع الاستفادة من كميات كبيرة من البيانات غير المعلّمة. تضمن هذه الطريقة أن التنبؤات لا تؤدي إلى نتائج أسوأ من استخدام البيانات المعلّمة بمفردها ويمكنها استغلال أي تنبؤ مثالي لتحسين معدلات التقارب.

Se ha propuesto un nuevo enfoque llamado SADA para agregar de manera segura y adaptativa múltiples predicciones de cajas negras en el aprendizaje semi-supervisado, abordando el desafío de la escasez de datos etiquetados mientras se utilizan abundantes datos no etiquetados. Este método asegura que las predicciones no sean peores que el uso de datos etiquetados por sí solos y puede aprovechar cualquier predicción perfecta para mejorar las tasas de convergencia.

Une nouvelle approche appelée SADA a été proposée pour agréger de manière sûre et adaptative plusieurs prédictions de boîtes noires dans l'apprentissage semi-supervisé, répondant au défi des données étiquetées rares tout en utilisant des données non étiquetées abondantes. Cette méthode garantit que les prédictions ne sont pas moins performantes que l'utilisation des données étiquetées seules et peut exploiter toute prédiction parfaite pour améliorer les taux de convergence.

A novel approach called SADA has been proposed for safely and adaptively aggregating multiple black-box predictions in semi-supervised learning, addressing the challenge of scarce labeled data while utilizing abundant unlabeled data. This method ensures that predictions do not perform worse than using labeled data alone and can exploit any perfect prediction to enhance convergence rates.