用于偏好学习的主动查询合成

Namrata Nadagouda, Nauman Ahad, Maegan Tucker, Mark A. Davenport

2026

摘要

本文提出了一种名为Info-Synth的主动查询合成框架，通过最大化连续空间中的互信息目标来生成最优查询，从而解决偏好学习中的标签成本问题。同时，引入了置信度感知的响应模型，以处理模糊比较带来的低置信度反馈，并提出了两种策略扩展至有限查询池场景。

active learningpreference learningquery synthesisconfidence-awaremutual information

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者

Robotics and Computer-Integrated Manufacturing · 2026