Bài báo này giới thiệu AFABench, khuôn khổ chuẩn mực đầu tiên để đánh giá một cách hệ thống các phương pháp Thu thập Tính năng Chủ động (AFA). AFA thu thập có chọn lọc các tính năng từ một tập hợp con các trường dữ liệu, cố gắng cân bằng giữa hiệu suất dự đoán và chi phí thu thập. AFABench bao gồm nhiều bộ dữ liệu tổng hợp và thực tế, hỗ trợ nhiều chính sách thu thập khác nhau và cung cấp thiết kế mô-đun để dễ dàng tích hợp các phương pháp và tác vụ mới. Chúng tôi triển khai và đánh giá các thuật toán tiêu biểu, bao gồm các phương pháp tiếp cận dựa trên học tĩnh, học tham lam và học tăng cường, đồng thời giới thiệu AFAContext, một bộ dữ liệu tổng hợp mới được thiết kế để phơi bày những hạn chế của phương pháp thu thập tham lam. Kết quả cho thấy những đánh đổi quan trọng giữa các chiến lược AFA khác nhau và cung cấp những hiểu biết hữu ích cho nghiên cứu trong tương lai. Mã chuẩn mực có sẵn trên GitHub.
