精选理由
新复杂度指标VLC揭示主动学习难度来源
本文研究多组均值估计主动学习的 max-risk 目标：在 d 个臂中分配 T 次采样以最小化最坏情况不确定性指数 max σ_k²/n_k。作者提出局部最小最大化框架，证明首个针对该目标的一般下界，将难度分解为预算项、异质性指数和模型相关复杂度度量 VLC。VLC 可重参为方差-费希尔信息，并为常见分布族给出闭式解。与现有上界对比，在广泛场景下接近最优（对数因子内），但高异质性实例存在系统差距。
AI 翻译 · 中文
本文研究多组均值估计主动学习的 max-risk 目标：在 d 个臂中分配 T 次采样以最小化最坏情况不确定性指数 max σ_k²/n_k。作者提出局部最小最大化框架，证明首个针对该目标的一般下界，将难度分解为预算项、异质性指数和模型相关复杂度度量 VLC。VLC 可重参为方差-费希尔信息，并为常见分布族给出闭式解。与现有上界对比，在广泛场景下接近最优（对数因子内），但高异质性实例存在系统差距。
We study a \emph{max-risk} objective for active learning in a multi-group mean estimation $d$-armed bandits: a learner adaptively allocates a budget of $T$ samples across $d$ groups to minimize the worst-case uncertainty…