IA e os Problemas Difíceis do Mundo · Ciência da computação teórica · arXiv · 2026-10-19
Rumo a cronogramas de seleção ótimos para aprendizado ativo online
Título original: Towards optimal selection schedules for online active learning
Este artigo estuda a política ótima de consulta para classificação linear online, em que rotular amostras é custoso. Sob design gaussiano no regime de alta dimensão, mostra-se que políticas gulosas e míopes selecionam amostras por intervalos de margem que diminuem com o tempo. Os autores encontram numericamente cronogramas ótimos de limiar, projetam uma política simples e a comparam com outras heurísticas em dados sintéticos e em dados reais de imagens médicas.