Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.02593

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2507.02593 (cs)
[提交于 2025年7月3日 ]

标题: 重新审视(人类)标签变化下的主动学习

标题: Revisiting Active Learning under (Human) Label Variation

Authors:Cornelia Gruber, Helen Alber, Bernd Bischl, Göran Kauermann, Barbara Plank, Matthias Aßenmacher
摘要: 访问高质量标注数据仍然是应用监督学习中的一个限制因素。 尽管标签差异(LV),即同一实例的不同标签,在自然语言处理中很常见,但注释框架通常仍然基于单一真实标签的假设。 这忽略了人类标签差异(HLV),即注释中可能出现的合理差异,作为一种信息性信号。 同样,主动学习(AL),一种在训练机器学习模型时优化有限注释预算的流行方法,通常依赖于几种简化的假设之一,而当承认HLV时,这些假设很少在实践中成立。 在本文中,我们考察了关于真理和标签本质的基本假设,强调需要将观察到的LV分解为信号(例如,HLV)和噪声(例如,注释错误)。 我们调查了AL和(H)LV社区如何处理——或忽视——这些区别,并提出了一个概念框架,以在整个AL循环中包含HLV,包括实例选择、注释者选择和标签表示。 我们进一步讨论了将大型语言模型(LLM)作为注释者的整合。 我们的工作旨在为HLV感知的主动学习奠定概念基础,更好地反映现实注释的复杂性。
摘要: Access to high-quality labeled data remains a limiting factor in applied supervised learning. While label variation (LV), i.e., differing labels for the same instance, is common, especially in natural language processing, annotation frameworks often still rest on the assumption of a single ground truth. This overlooks human label variation (HLV), the occurrence of plausible differences in annotations, as an informative signal. Similarly, active learning (AL), a popular approach to optimizing the use of limited annotation budgets in training ML models, often relies on at least one of several simplifying assumptions, which rarely hold in practice when acknowledging HLV. In this paper, we examine foundational assumptions about truth and label nature, highlighting the need to decompose observed LV into signal (e.g., HLV) and noise (e.g., annotation error). We survey how the AL and (H)LV communities have addressed -- or neglected -- these distinctions and propose a conceptual framework for incorporating HLV throughout the AL loop, including instance selection, annotator choice, and label representation. We further discuss the integration of large language models (LLM) as annotators. Our work aims to lay a conceptual foundation for HLV-aware active learning, better reflecting the complexities of real-world annotation.
主题: 计算与语言 (cs.CL) ; 人机交互 (cs.HC); 机器学习 (cs.LG); 机器学习 (stat.ML)
引用方式: arXiv:2507.02593 [cs.CL]
  (或者 arXiv:2507.02593v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.02593
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Matthias Aßenmacher [查看电子邮件]
[v1] 星期四, 2025 年 7 月 3 日 12:59:28 UTC (132 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
stat
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CL
cs.HC
cs.LG
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号