حققت التعلم التضادي نجاحًا ملحوظًا في تعلم التمثيلات عبر الإشراف الذاتي في البيئات غير المشرف عليها. ومع ذلك، فإن تكييف التعلم التضادي بشكل فعال مع مهام التعلم المشرف عليه لا يزال يشكل تحديًا في الممارسة العملية. في هذا العمل، نقدم إطار عمل للتعلم التضادي الثنائي (DualCL) الذي يتعلم خصائص العينات الدخولية ومعلمات المصنفات في نفس الفضاء بشكل متزامن. بوجه خاص، يعتبر DualCL معلمات المصنفات عينات مُحسَّنة مرتبطة بمسميات مختلفة، ثم يستغل التعلم التضادي بين العينات الدخولية والعينات المُحسَّنة. أظهرت الدراسات التجريبية على خمسة مجموعات بيانات قياسية لتصنيف النصوص ونسخها ذات المصادر المنخفضة تحسنًا في دقة تصنيف النصوص وأثبتت قدرة DualCL على تعلم تمثيلات تمييزية.