FunnelAL：检索-排序主动学习系统

2026年10月30日，arXiv Computer Vision 刊出 Reihaneh Rostami、Brian Goodwin 的论文，提出面向单类发现的检索-排序主动学习系统 FunnelAL。该系统把工业推荐系统的多级漏斗架构用于数据标注，从一正一负样本出发，循环执行嵌入检索、RankNet 排序与委员会探索（QBC）、标注反馈三个阶段。在五个数据集（其中两个为最多 270 万图像的大语料）上，采用 DINOv2 编码器时，FunnelAL 的平均排名最优；在三个基准上，其发现正例显著快于经典基线、不确定性基线及 PF-MA，但最终 F1 与 PF-MA 无显著差异。目前事件进展即为该论文发布及上述实验结论，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。