本文整理了兩篇論文中的相關內容，並重點探討 Label Smoothing 的概念、實現方式與效益。兩篇論文分別是：

1. Rethinking the Inception Architecture for Computer Vision (arXiv:1512.00567)
2. When Does Label Smoothing Help? (arXiv:1906.02629)

資料清洗（data cleaning）是指對數據集進行處理，以確保其質量和一致性，使其適合用於分析、建模或其他目的。在資料集中檢測和糾正（或刪除）損壞或不準確的記錄進行處理，辨識出資料的不完整、不正確、不準確或不相關部分，然後替換、修改、或刪除髒資料或(raw data)。在人工智慧（AI）和機器學習領域，資料清洗是非常重要的一步，因為高質量的數據是訓練高性能模型的基礎。

正式存入數據庫之前，都要進行「數據清洗」，以確保數據的正確性、一致性、可驗證性、完整性、相依性等等。