Schwierige Fälle, schlechte Labels: Testen von Fehlerexposition und Fehlerlokalisation bei Uncertainty Sampling unter begrenztem Label-Rauschen

arXiv:2608.13601v1 Ankündigungstyp: neu Abstract: Active Learning kann Beschriftungskosten durch Auswahl informativer Beispiele reduzieren, aber die unsichersten Beispiele könnten auch am schwierigsten korrekt zu beschriften sein. Diese Studie testet, ob Uncertainty Sampling fehlschlägt, weil es mehr beschädigte Labels erwirbt oder