La IA y los problemas difíciles del mundo · Informática teórica · arXiv · 2026-10-19
Hacia calendarios de selección óptimos para el aprendizaje activo en línea
Título original: Towards optimal selection schedules for online active learning
Este artículo estudia la política óptima de consultas para la clasificación lineal en línea, donde etiquetar muestras resulta costoso. Bajo un diseño gaussiano en el régimen de alta dimensión, muestra que las políticas miopes voraces seleccionan las muestras mediante intervalos de margen que se reducen con el tiempo. Los autores encuentran numéricamente calendarios óptimos de umbrales, diseñan una política sencilla y la comparan con otras heurísticas sobre datos sintéticos y reales de imágenes médicas.