主动学习在标注预算有限时，从无标注数据中挑选最有价值的样本交由人工标注，以最大化模型提升。其核心是设计采集函数，常用策略包括不确定性采样（最低置信度、边际、熵、委员会投票）、多样性采样、预期模型变化及混合策略。深度方法包括MC dropout、贝叶斯神经网络、损失预测、对抗式VAAL/MAL、对比学习CAL、核心集、BADGE梯度嵌入、BALD、遗忘事件等。