两篇新研究论文探讨了主动学习的复杂性，主动学习是一种机器学习技术，其中算法会策略性地选择要标记的数据点以提高效率。第一篇论文《面向在线主动学习的最佳选择计划》研究了高斯设计下线性分类的最佳查询策略，提出了最小化泛化误差和累积成本的计划。第二篇论文《关于带成员资格查询的主动学习的样本复杂度》深入研究了合成查询的能力，将其与基于池的主动学习进行对比，并提出了新的分析工具来理解其对各种假设类的样本复杂度。 AI
影响 这些论文有助于对主动学习的理论理解，通过减少对大量标记数据集的需求，有可能导致更高效的 AI 模型训练。
排序理由 两篇在 arXiv 上发表的关于主动学习方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.23477v1 Announce Type: cross Abstract: We consider the problem of online linear classification, where a stream of unlabeled samples is available, and annotation is costly. We investigate the optimal query policy, that prescribes whether and when a sample should be labe…
arXiv:2609.27241v2 Announce Type: replace-cross Abstract: This work revisits a fundamental question in active learning: how powerful is the ability to synthesize arbitrary queries? Compared to pool-based active learning, where the learner only selects queries from a given unlabel…