#主动学习

InstaDeep 开源了一个主动学习框架 ALF，把数据采集整个流程模块化了，做科研机器学习、标注成本高的朋友可以直接拿去用。

制药工艺表征还在跑因子 DOE？JAREX 用贝叶斯主动学习把实验量砍掉一半以上，代码已在 obsidian 包开源。

这个新方法能让视觉定位标注快1.6倍，特别适合需要大量标注数据的团队。

这篇论文提出了KENDO框架，结合了集成高斯过程与冲突感知获取策略，对于贝叶斯优化和主动学习领域的研究者来说，是一个值得关注的创新点。

这篇论文评估了Greedy K-center在主动学习选择中的性能，对于对主动学习感兴趣的人来说是个不错的参考。

想学逆强化学习？QVIRL能边学边给不确定性，还能主动问你要数据，比老方法稳多了。

想找有效的药物组合？ScreenShot不用分子图谱就能预测，少量样本就比现有方法准，还能省三分之二实验预算。

这篇论文把样本选择从看输出结果改成看神经元内部活动，比传统方法更精准，适合专门领域的少样本学习场景。

GRINCO解决了主动学习里重复标注变换样本的浪费问题，用商空间选轨道来省钱，比普通核心集方法更聪明。

这篇论文只用3.4%的标注数据就搞定了光网络故障检测中的概念漂移，效率高延迟低，做在线学习和故障检测的朋友可以看看。

这篇论文研究了怎么让机器人在学新任务时不忘旧技能，用不确定性主动挑数据微调VLA模型，比被动收集更高效，还试了两种防遗忘方法，挺实在的。