Trong bài báo này, chúng tôi trình bày một phương pháp mới để đánh giá hiệu suất của học tập chủ động (AL), đó là Phân tích Hiệu suất của các Mô hình Học tập Chủ động (PALM). Để khắc phục những hạn chế của các phương pháp đánh giá AL hiện có vốn chỉ tập trung vào độ chính xác cuối cùng, PALM trình bày một mô hình toán học tích hợp và dễ diễn giải, mô tả động lực học của AL thông qua bốn tham số chính: độ chính xác có thể đạt được, hiệu quả bao phủ, hiệu suất ban đầu và khả năng mở rộng. Mô hình này giải thích một cách dự đoán hành vi của AL từ các quan sát cục bộ, cho phép ước tính hiệu suất trong tương lai và so sánh có nguyên tắc giữa các chiến lược khác nhau. Phương pháp này được xác thực thông qua các thử nghiệm mở rộng sử dụng nhiều phương pháp AL khác nhau và các nhúng học tập tự giám sát trên các tập dữ liệu CIFAR-10/100 và ImageNet-50/100/200, đồng thời cho thấy hiệu suất tổng quát hóa dự đoán chính xác toàn bộ đường cong học tập từ dữ liệu được gán nhãn hạn chế. PALM cung cấp những hiểu biết quan trọng về hiệu quả học tập, phạm vi bao phủ không gian dữ liệu và khả năng mở rộng của các phương pháp AL, cho phép lựa chọn chiến lược hiệu quả về chi phí và dự đoán hiệu suất trong điều kiện ngân sách hạn chế. Do đó, nó đặt nền tảng cho việc đánh giá AL một cách có hệ thống, có thể tái tạo và hiệu quả về dữ liệu trong cả nghiên cứu và ứng dụng thực tế. Mã nguồn có sẵn trên GitHub.
