Papers with Code 아카이브
Active Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 1
- 평가표
- 1
- 보존된 평가 기록
- 7
Active Learning is a paradigm in supervised machine learning which uses fewer training examples to achieve better optimization by iteratively training a predictor, and using the predictor in each iteration to choose the training examples which will increase its chances of finding better configurations and at the same time improving the accuracy of the prediction model
Source: Polystore++: Accelerated Polystore System for Heterogeneous Workloads
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
적대적 불확실성 하에서의 강건한 베이즈 의사결정
ZendoWorld 플레이: 능동적 시각 개념 귀납에서 AI 에이전트에 도전하기
에이전틱 시대의 과학적 발견 재고
Active Quantum Kernel Acquisition for Gaussian Process Regression
AdaStop: DNN 테스트 선택을 위한 비용 인식 조기 종료
From Closed-Loop Optimization to Open Decision Making: Coupled Digital Twins for Predictive and Autonomous Microscopy
Determinantal point process sampling for bioacoustic active learning
렌더링 인식 베이지안 3D 가우시안 스플래팅: 고유 불확실성 및 적응형 복잡도 제어
단일 및 다중 에이전트 인간-AI 호기심 생태계를 위한 토이 프레임워크
CuBAS: 지도 분류를 위한 정보 기하학적 곡률 기반 적응형 샘플링
SAVER: 저선량 컴퓨터 단층촬영을 위한 확률적 적응형 분산 기반 탐험 및 재구성
적대적으로 오염된 그래프에서의 능동 학습
개인화된 인과적 교정: 인간 참여형 접근법
검증 병목 압축: 과학적 발견을 위한 에이전틱 자율 실험실
Ask the Right Comparison:Bias-Aware Bayesian Active Top-$k$ Ranking with LLM Judges
LLM을 위한 뉴런 인식 능동적 퓨샷 학습
Group-invariant Coresets for Data-efficient Active Learning
능동 학습에서의 위상 전이에 관한 메커니즘 기반 이론
캐스케이드 객체 검출을 위한 능동 학습: 표 추출 파이프라인에서 커버리지와 불확실성의 균형
Spotted: 카메라 트랩 조사에서 위치 정보를 활용한 하이에나 및 표범 재식별
A Methodology for Investigating AI Patterns Prevalence in Software Repositories
저자원 NLP 평가에서의 어노테이션 부족 역설: 10년간의 가속과 새로운 제약
메타인지 피드백을 활용한 강화학습으로 LLM의 신뢰할 수 있는 불확실성 표현 유도
Can Physician Expertise Improve Machine Learning Identification of Delirium?
BEACON: 효율적인 참신성 탐색을 위한 베이즈 최적화 기반 전략
빠른 순차 추론을 위한 웜스타팅 반복 가우시안 프로세스
기권이 있는 베이지안 최적 팔 식별: 다항식-지수 위상 전이
STEMGym: 자율 전자 현미경에서 선량 예산 하의 순차적 의사결정 벤치마킹
가우시안 프로세스를 통한 지시 미세조정을 위한 온라인 데이터 선택
광학 네트워크 장애 탐지에서 레이블 효율적 개념 드리프트 적응을 위한 하이브리드 능동-온라인 학습 프레임워크
상황 지각: 인공 초지능의 필수 기본 요소
Hierarchical Experimentalist Agents
The CRISTAL Method: Neurosymbolic analysis from AI-synthesized world models
BayesEvolve: 자율 과학적 발견을 위한 명시적 신념 상태
고차원 불확실성 하 구조 설계를 위한 베이지안 고정 잠재 신뢰 영역 기반 범주형 최적화
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.