KI und die schwierigen Probleme der Welt · Theoretische Informatik · arXiv · 2026-10-19
Auf dem Weg zu optimalen Auswahlplänen für aktives Online-Lernen
Originaltitel: Towards optimal selection schedules for online active learning
Diese Arbeit untersucht die optimale Abfragestrategie für die Online-Klassifikation mit linearen Modellen, bei der das Labeln von Stichproben kostspielig ist. Unter Gauß'schem Design im hochdimensionalen Regime zeigt sie, dass gierige, myopische Strategien Stichproben anhand von Margin-Intervallen auswählen, die sich im Lauf der Zeit verkleinern. Die Autoren bestimmen numerisch optimale Schwellenwertpläne, entwerfen eine einfache Strategie und vergleichen sie auf synthetischen und realen medizinischen Bilddaten mit anderen Heuristiken.