混合增强学习是一种在深度学习中常用的数据增强方法，将输入-标签对按一定比例线性插值混合，生成新的有价值中间样本以扩充样本空间，进而提升深度模型在整体数据上的泛化性。由于其可扩展性强、计算资源要求少，且正则、泛化性能优异，已在图像分类、文本分类等多个任务中被广泛研究与应用。本文对主要混合增强学习方法进行了分类介绍，综述其标志性研究进展。