论文提出BRiG-AFA，一种无需强化学习或条件密度估计的监督式主动特征获取方法。它针对每个剩余预算学习候选特征条件下的风险到达函数，并从终端分类风险反向构造贝尔曼目标。在受控基准中，预算为2和3时较单步模型提升4.84±2.17和4.39±1.10个百分点；Fashion-MNIST平均跨预算提升3.50±0.37个百分点，MiniBooNE结果则显示其在小预算下仍不稳定。
最近 24 小时暂无可用热度快照。