一、解释一

就是参考标准，一般用来做error quantification

比方说要根据历史数据预测某一时间的温度，ground truth就是那个时间的真实温度。
error就是(predicted temperature - real temprature)。

Ground truth当然还可以用来做reinforcement learning，就是在学习中加入奖励机制。比方说程序的输出越接近ground truth，用来产生这个结果的数据的 weight 越大。

二、解释二

机器学习包括有监督学习 (supervised learning)，无监督学习 (unsupervised learning)，和半监督学习（semi-supervised learning）.

在有监督学习中，数据是有标注的，以(x, t)的形式出现，其中 x 是输入数据，t 是标注。正确的 t 标注是 ground truth，* 错误的标记则不是
也有人将所有标注数据都叫做ground truth
https://blog.csdn.net/nanhuaibeian/article/details/102457111?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7EPayColumn-1-102457111-blog-80486167.pc_relevant_multi_platform_whitelistv1_exp2&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7EPayColumn-1-102457111-blog-80486167.pc_relevant_multi_platform_whitelistv1_exp2&utm_relevant_index=1