本文探讨了空间采样中的主动学习问题，提出了一种有限时间搜索过程以优化一维空间中的级别集估计。通过调节参数以平衡估计误差与行进距离，展示了该优化问题的闭合解，并在高斯过程模型下扩展至高维级别集估计。实证结果表明，该方法在真实空气质量数据上显著降低了估计误差。

该文介绍了一种主动学习方法，旨在快速定位所有感兴趣函数超过/低于给定阈值的区域。作者提出了一个有限时间搜索过程，以在一维空间中执行级别集估计，并使用调节参数来权衡估计精度和行进距离。该策略可以推广到高斯过程模型下执行高维级别集估计。实证结果表明，该方法通过非迈逐地对待距离，显著改进了现有技术水平。