本文讨论了交互式学习，包括主动学习和互动学习，提出了支持交互学习的平台架构及其在机器学习中的应用。介绍了多个系统和方法，如Darwin和Active WeaSuL，展示了它们在弱监督学习中的有效性和性能提升。研究表明，通过用户反馈和自动生成规则，可以在较低成本下实现高准确性和优化模型性能。

本文介绍了一种针对隐式马尔科夫决策过程（LMDPs）中遗憾最小化问题的新样本高效算法，提出了局部保证的有效算法。研究表明，具有潜在上下文信息的LMDPs需要Ω(K^(2/3))的后悔，并提出了匹配上限的算法。这些结果对交互式学习问题具有重要意义。