HALO：联合选择证据与标签来源的预算感知学习框架

Huaiyuan Ying 等作者提出 HALO，一个分层证据选择与强化学习流水线，目标是在有限标注预算下同时学习两件事：从纵向临床记录中读取哪些证据，以及如何在 free、silver、gold 三档保真度标签源之间分配预算。 该框架目前以预印本形式发布在 arXiv cs.CL，作者称其用于“预算化标签优化”场景；报道未给出实验结果或与其他方法的对比，因此其实际效果尚待验证。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。