Este artículo presenta AFABench, el primer marco de referencia para la evaluación sistemática de métodos de Adquisición Activa de Características (AFA). AFA adquiere características selectivamente de un subconjunto de instancias de datos, buscando equilibrar el rendimiento predictivo y el coste de adquisición. AFABench abarca diversos conjuntos de datos sintéticos y del mundo real, admite diversas políticas de adquisición y ofrece un diseño modular que facilita la integración de nuevos métodos y tareas. Implementamos y evaluamos algoritmos representativos, incluyendo enfoques estáticos, voraces y basados en aprendizaje de refuerzo, y presentamos AFAContext, un novedoso conjunto de datos sintéticos diseñado para exponer las limitaciones de la selección voraz. Los resultados revelan las principales ventajas y desventajas entre diversas estrategias de AFA y proporcionan información útil para futuras investigaciones. El código de referencia está disponible en GitHub.
