综述：人机交互分割的信息、学习与人力投入

哥本哈根大学计算机科学系教授 Jon Sporring 发表了一篇 40 页的批判性综述，用统一的数学框架梳理人机交互分割中的反馈选择、学习器更新与评估三个环节，并比较了主动学习、机器教学、交互式分割与序列预测评估等方法。 综述给出的数学结论是：精确贝叶斯更新可将评估标签信息转化为期望 log-loss 改进，超额风险分解则能解释近似学习器损失的来源。作者并未提出新的数据采集算法，也未声称实证上更优，而是指出预测教师响应并不等于识别人类意图或实现更好的学习。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。