主动学习

主动学习旨在通过智能选择最有价值的未标注数据进行标注，以最小化标注成本并最大化模型性能。近期研究聚焦于提升主动学习在复杂任务中的实用性和理论保证，同时揭示了其在某些场景下的局限性。

当前焦点在于如何将主动学习的理论界限与具体应用场景对齐，并应对不同模型（如大语言模型）带来的挑战。未来需关注：主动学习在更广泛任务（如偏好学习、科学发现）中的鲁棒性与可扩展性，以及其与自监督、少样本学习方法的协同。