OpenAL: Evaluation and Interpretation of Active Learning Strategies

要約

タイトル：OpenAL：アクティブラーニング戦略の評価と解釈

要約：
– アクティブラーニング（AL）に関する多くの文献があるにもかかわらず、提案されたサンプラーの効率的かつシンプルな比較を可能にする包括的でオープンなベンチマークが存在していない。
– 文献間の実験設定の変動が大きいため、サンプリング戦略を選択することが困難であり、AL実験の一回性が重要である。
– 以上の制限に対応するために、OpenALという柔軟でオープンソースのフレームワークを提供して、一連のリアルなタスクでサンプリングAL戦略を簡単に実行および比較できるようにする。
– 提案されたベンチマークには、解釈可能性メトリックおよび統計分析方法が追加されており、どのサンプラーが優れているかを理解するのに役立つ。
– 最後に、実践者は独自のALサンプラーを提出することで簡単にベンチマークを拡張できる。

要約(オリジナル)

Despite the vast body of literature on Active Learning (AL), there is no comprehensive and open benchmark allowing for efficient and simple comparison of proposed samplers. Additionally, the variability in experimental settings across the literature makes it difficult to choose a sampling strategy, which is critical due to the one-off nature of AL experiments. To address those limitations, we introduce OpenAL, a flexible and open-source framework to easily run and compare sampling AL strategies on a collection of realistic tasks. The proposed benchmark is augmented with interpretability metrics and statistical analysis methods to understand when and why some samplers outperform others. Last but not least, practitioners can easily extend the benchmark by submitting their own AL samplers.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI