假设你是公司里负责校招的 HR，面对一叠厚厚的候选人简历，你不可能一一安排面试——那太贵了。于是你找来三位资深面试官，让他们分别独立电面一遍所有候选人。结果发现：三位面试官一致好评的，往往真的是优秀人才；而最头疼的是那些“争议候选人”——有人强烈推荐，有人坚决反对。你意识到：争议最大的候选人，恰恰最值得进入下一轮现场面试，因为标准面试流程无法为这类人提供确定性答案，值得投入更多评估资源。 这就是主动学习中最睿智的选样策略——委员会查询（Query-by-Committee，QBC）。它不是让一个模型去问“我对这个样本没把握”，而是组建一群模型组成“面试官团”，各自独立投票。分歧越大，越值得标注——正如面试官意见越分裂，越值得深挖。本篇文章将带你深入理解 QBC 的原理、分歧度度量、委员会构建方法与其在工程实践中的选择，帮你从“单模型困惑”走向“多模型共识博弈”。

岗位关联

委员会查询是主动学习中“集成”路线的代表策略，掌握它意味着你掌握了构建高效标注流水线的关键能力——在标注预算有限时，用多模型投票精准锁定最值得人工介入的数据样本。

目录
  1. 可视化演示
  2. 委员会查询原理
  3. 投票分歧度量
  4. 委员会构建法
  5. 与不确定性采样的对比
  6. 委员会规模选择
  7. 工程实践建议
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示Query-by-Committee多模型投票机制、投票熵分歧度计算、委员会构成方法与规模选择，切换模式掌握主动学习核心策略。

本节配有交互动效（进入视口后自动加载，约 3KB）。

多模型委员会投票与分歧度筛选 委员会由多个模型组成，对无标签样本投票预测，成员分歧最大的样本信息量最高被优先标注 分歧度通过投票熵度量，全票一致时熵为零无分歧，投票分散时熵高表示样本价值大 H(x) = -sum(p_i * log(p_i)), select argmax H(x) QBC用多模型分歧替代单模型不确定性，更稳健地估计样本信息量

委员会查询原理

在校招流程中，一个候选人如果只让 HR 看简历，判断往往片面。于是公司安排了三位面试官独立面试，等全部结束后，HR 发现：技术官给了满分，HR 给了及格，业务官给了不及格——三人意见就像散开的三角形一样无法收敛。HR 心想：这个候选人争议大到必须安排加面一轮，才能下定论。这个“争议越大越值得加面”的逻辑，正是委员会查询策略的核心直觉。

委员会查询策略（Query-by-Committee）将多模型组成的“委员会”视为面试官团。对每个未标注样本，委员会中每个模型独立给出预测（相当于打票），然后计算投票分歧度。与不确定性采样不同，它不关心单个模型“是否自信”，而是关心多个模型之间是否达成共识。若所有模型都预测同一个类别，即便置信度只有 0.6，也被认为“无争议、信息量低”；若模型们 3:4 分裂，这个样本就被标为争议样本，优先送去人工标注。

从概率视角理解，假设委员会有 $C$ 个模型，对样本 $x$ 的类别 $y$ 投票分布为 $P(y \mid x)$。我们用分布间的分歧状况衡量样本的信息价值。形式上，给定委员会中类别 $y$ 的投票频率 $P_C(y \mid x)$，可定义投票熵：

回到面试场景中，如果三位面试官对某候选人的评价出奇地一致，说明这个候选人的特质已被充分观察；而那个让面试官吵翻天的候选人，背后一定有未被现有渠道了解的信息。委员会查询正是用算法把这个“最该加面的人”自动挑出来。

VE(x)=−∑y∈YPC(y∣x)log⁡2PC(y∣x)\displaystyle \text{VE}(x) = -\sum_{y \in \mathcal{Y}} P_C(y \mid x) \log_2 P_C(y \mid x)
投票熵越大，说明类别票数越平均、分歧越大，样本越值得标注。当所有委员一致时，熵为 0。
  1. 类别集合$\mathcal{Y}$ 表示所有可能的类别标签集合，例如二分类中 $\mathcal{Y}=\{0,1\}$。
    y∈Yy \in \mathcal{Y}
  2. 投票频率$P_C(y \mid x)$ 表示在样本 $x$ 上投给类别 $y$ 的模型占委员会总体的比例，取值范围 0 到 1。
    PC(y∣x)=投给 y 的模型数CP_C(y \mid x) = \frac{\text{投给 }y\text{ 的模型数}}{C}
  3. 熵和式将每个类别的投票频率乘以其对数再取负并累加，得到投票熵。频率越均匀，熵越大。
    VE(x)=−∑y∈YPC(y∣x)log⁡2PC(y∣x)\text{VE}(x) = -\sum_{y \in \mathcal{Y}} P_C(y \mid x) \log_2 P_C(y \mid x)

投票分歧度量

面试官团各打各的分，但 HR 需要一个“争议指数”来客观量化分歧程度。这个指数要能回答：三个人是 7:3 分裂还是 5:5 对半开？投票熵可以衡量分裂的混乱程度，但它将所有委员视为一个整体，忽视了模型之间具体的预测向量差异。试想两个样本都有一半模型投 A、一半投 B，投票熵相同，但委员们的预测置信度差异却可能很大。因此工程实践中常用三种各具优势的度量方式。

最常用的是投票熵（Vote Entropy），它直接度量委员会投票分布的混乱程度：

另一种度量是平均 KL 散度，它计算委员会各模型预测分布之间的平均差异——相当于衡量面试官们彼此“意见的多角度差距”：

第三种是投票方差，用以在回归任务或对连续分布中度量分歧：

三种度量就像 HR 的三种视角：投票熵告诉你票数分布是否均匀，KL 散度告诉你各位面试官意见分歧的“总量”，方差告诉你分数的分散程度。具体选择取决于业务场景，但核心逻辑都是把分歧最大的样本选出来。

VE(x)=−∑y∈YV(y)Clog⁡2V(y)C\displaystyle \text{VE}(x) = -\sum_{y \in \mathcal{Y}} \frac{V(y)}{C} \log_2 \frac{V(y)}{C}
KL(x)=1C∑c=1CDKL(Pc∥Pavg)\displaystyle \text{KL}(x) = \frac{1}{C} \sum_{c=1}^{C} D_{\mathrm{KL}}(P_c \parallel P_{\text{avg}})
Var(x)=1C∑c=1C(Pc(y∣x)−Pˉ(y∣x))2\displaystyle \text{Var}(x) = \frac{1}{C} \sum_{c=1}^{C} \left(P_c(y \mid x) - \bar{P}(y \mid x)\right)^2
三种度量从不同角度回答“分歧有多大”：投票熵看票型分裂，KL 散度看意见差异总量，投票方差看离散程度。
  1. 票型分裂（投票熵）$V(y)$ 是类别 $y$ 获得的票数，$C$ 是模型总数。当票型为 5:5 时熵最大，为 1；一致时熵为 0。
    VE(x)=−∑yV(y)Clog⁡2V(y)C\text{VE}(x) = -\sum_{y} \frac{V(y)}{C} \log_2 \frac{V(y)}{C}
  2. 意见差异总能量（KL 散度）$D_{\mathrm{KL}}(P_c \parallel P_{\text{avg}})$ 表示第 $c$ 个模型的预测分布与委员会平均分布的差异，求和后平均。
    DKL(Pc∥Pavg)=∑yPc(y∣x)log⁡Pc(y∣x)Pavg(y∣x)D_{\mathrm{KL}}(P_c \parallel P_{\text{avg}}) = \sum_{y} P_c(y \mid x) \log \frac{P_c(y \mid x)}{P_{\text{avg}}(y \mid x)}
  3. 离散程度（方差）每个模型概率与平均概率的平方偏差的平均值，适合回归或概率估计场景。
    Var(x)=1C∑c=1C(Pc(y∣x)−Pˉ(y∣x))2\text{Var}(x) = \frac{1}{C} \sum_{c=1}^{C} \left(P_c(y \mid x) - \bar{P}(y \mid x)\right)^2

委员会构建法

有了分歧度量标准，下一个问题是如何组建面试官团——也就是如何构建委员会。如果三位面试官是同一个人复制三份，那分歧度永远为零，没有任何意义。委员会成员必须足够多样，才能提供互补的信息视角。构建多样性的方法主要有三种，就像公司要组建一个“多角度的面试小组”：让面试官来自不同部门、使用不同面试风格、面对不同候选人履历切片。

第一种是 Bagging（自助采样）构建法。每次从已标注数据集中有放回抽样，训练一个模型，重复 $C$ 次得到 $C$ 个模型。每次抽样相当于给每位面试官一份“有重叠但略有不同”的候选人材料——有人看到的简历侧重点不同，就会产生不同的判断。这能让模型们在保持基础能力的同时，产生足够的意见分歧。

第二种是不同初始化。对同一份训练数据，用不同的随机种子初始化模型参数，训练出多个模型。这对应面试官虽然看同一份简历，但因为各自的价值观和经验背景不同，形成了不同的评分标准。

第三种是不同训练子集。将已标注数据切分为 $C$ 个互斥子集，每个子集训练一个模型。这种方式最激进，每个模型只“认识”一部分数据，但成员之间互补性最强。通过公式总结委员会构建的基本思路：

就像组建面试官团不能找思路完全相同的人，委员会的构建核心是制造“合理分歧”。用 Bagging 制造经历差异，用不同初始化制造“评价风格”差异，用不同子集制造“信息视野”差异。三种方式可在实践中组合叠加。

Committee={f1,f2,…,fC},其中各 fi 存在显著差异\displaystyle \text{Committee} = \{ f_1, f_2, \ldots, f_C \}, \quad \text{其中各 } f_i \text{ 存在显著差异}
委员会的多样性是分歧度量的前提。没有差异的模型集合，QBC 会退化为单一模型的不确定性采样。
  1. 委员会成员$f_i$ 表示第 $i$ 个模型，委员会是这些模型的集合。
    {f1,f2,…,fC}\{ f_1, f_2, \ldots, f_C \}
  2. 差异来源Bagging、不同初始化、不同子集都服务于同一目的——让各 $f_i$ 在预测上产生合理分歧。
    diversity(fi,fj)>0(i≠j)\text{diversity}(f_i, f_j) > 0 \quad (i \neq j)

与不确定性采样的对比

传统的面试流程常常只依赖一位 HR 的判断，这就好比不确定性采样：挑出那个让 HR 最拿不准的候选人。不确定性采样的逻辑是“哪个样本让模型最不自信就标注哪个”，用最大熵、最小置信度或 margin 分数来度量。这种方法直观、计算便宜，但有一个致命缺陷：它只有一个视角。

设想一个二分类任务，模型 A 对样本输出 $P=0.51$，不确定性很高，但这个模型可能整体判断偏颇，在大量样本上都输出接近 0.5 的概率；而委员会中的三个模型对某样本的预测分别为 A、B、B——单看每个模型的置信度都在 0.8 以上，但模型之间却产生了真实分歧。后者往往携带了更大的信息增益，因为模型们已经“各自确信”却互不相同，说明数据点位于多个模型的决策边界分界处，值得重点标注。两者的数学差异可总结如下：

直观来说，不确定性采样关注的是“这个人连自己都搞不清楚”，而委员会查询关注的是“不同人对他形成了相反判断”。后者在集成多视角后，能规避单模型的偏见和“过度自信”问题，在小标注集上表现更稳定。代价是需要额外训练多个模型，计算开销也相应更高。

不确定性采样：x∗=arg⁡max⁡x[−∑yPθ(y∣x)log⁡Pθ(y∣x)]\displaystyle \text{不确定性采样：}\quad x^* = \arg\max_{x} \left[ -\sum_y P_\theta(y \mid x) \log P_\theta(y \mid x) \right]
委员会查询：x∗=arg⁡max⁡x[−∑yPC(y∣x)log⁡2PC(y∣x)]\displaystyle \text{委员会查询：}\quad x^* = \arg\max_{x} \left[ -\sum_y P_C(y \mid x) \log_2 P_C(y \mid x) \right]
不确定性采样关注单一模型输出分布的不确定性，委员会查询关注多模型间的分歧。后者通过集成视角规避了单模型的系统偏见。
  1. 单模型熵$P_\theta(y \mid x)$ 是单一模型对样本的预测概率，熵越大表示模型“越没底”。
    −∑yPθ(y∣x)log⁡Pθ(y∣x)-\sum_y P_\theta(y \mid x) \log P_\theta(y \mid x)
  2. 委员会熵$P_C(y \mid x)$ 表示投票频率，它综合考虑了多模型意见，更稳健。
    −∑yPC(y∣x)log⁡2PC(y∣x)-\sum_y P_C(y \mid x) \log_2 P_C(y \mid x)

委员会规模选择

面试官团该配置多少人？招一位总监来面一个实习生，成本太高；10 个人一起面，又显得臃肿且效率低。委员会规模选择也有同样的权衡。规模太小，模型之间缺乏多样性，分歧度值有偏差；规模太大，训练成本成倍增长，后期边际收益递减。这个选择本质上是一个“成本-多样性”的自动化权衡问题。

直觉上：委员会越大，分歧度的估计方差越小，选择结果的稳定性越高。但模型训练成本随 $C$ 线性增长，而多样性到一定规模后趋于饱和。假设每个模型训练代价为 $t$，总代价为 $Ct$，则单位成本带来的信息增益会迅速递减。工程经验表明：

就像面试团规模既要保证观点多样性，又要控制人力成本，委员会规模一般从 5 个起步，根据模型训练时间和数据规模调整。深度学习场景中模型较重时可选 3~5 个轻量模型，传统机器学习中 10 个模型也可接受。

C∗=arg⁡min⁡C[λ⋅Var(VEC)⏟分歧不稳定+(1−λ)⋅C⋅t⏟训练成本]\displaystyle C^* = \arg\min_{C} \left[ \lambda \cdot \underbrace{\text{Var}(\text{VE}_C)}_{\text{分歧不稳定}} + (1-\lambda) \cdot \underbrace{C \cdot t}_{\text{训练成本}} \right]
该式体现了委员会规模的经典权衡：增大 $C$ 降低分歧估计方差，但增加训练成本。实践中常以 5~10 个模型作为经验取值区间。
  1. 分歧不稳定项$\text{Var}(\text{VE}_C)$ 是委员会规模为 $C$ 时投票熵估计的方差，规模越大方差越小。
    Var(VEC)\text{Var}(\text{VE}_C)
  2. 训练成本项$C \cdot t$ 表示训练 $C$ 个模型的总代价。
    C⋅tC \cdot t
  3. 权衡系数$\lambda$ 控制两者相对重要性。$\lambda$ 大更重视稳定性，$\lambda$ 小更重视省成本。
    λ⋅Var(VEC)+(1−λ)⋅C⋅t\lambda \cdot \text{Var}(\text{VE}_C) + (1-\lambda) \cdot C \cdot t

工程实践建议

招聘中你不可能让面试官团在初筛阶段就全员上场——成本扛不住。更实际的流程是：先用一位 HR 快速刷掉明显不合格的简历，让面试官团聚焦于“边界候选人”。QBC 的工程实践也有类似节奏。在标注预算极其有限时，冷启动阶段常用不确定性采样快速建立初步训练集。当模型积累了一定标注数据后，委员会查询的优势才逐渐显现。

具体策略上，工程中常采用“两阶段查询”——类似“初筛 + 加面”流程：先用决策边界附近的熵采样初筛一批样本，再用委员会查询在初筛候选中选分歧最大者进入人工标注。这样既控制了候选规模，又聚焦于“多模型矛盾”的核心区。在迭代中动态衡量委员会规模，可定义为经验融合公式：

从实践角度，这就是一套“渐进式的面试流程”——先用轻量判断筛一遍，再把重头资源花在最有争议的人身上。委员会的构建与规模评估也随标注迭代动态调整，最终在有限预算内让模型达到尽可能高的精度。

x∗=arg⁡max⁡x[α⋅VE(x)⏟委员会分歧+(1−α)⋅(−max⁡yPθ(y∣x))⏟单模型不确定]\displaystyle x^* = \arg\max_{x} \left[ \alpha \cdot \underbrace{\text{VE}(x)}_{\text{委员会分歧}} + (1-\alpha) \cdot \underbrace{(-\max_y P_\theta(y \mid x))}_{\text{单模型不确定}} \right]
将委员会分歧与单模型不确定性加权组合，工程上既能保持效率又不丢失集成视角的稳健性。
  1. 委员会分歧项$\text{VE}(x)$ 是样本的投票熵，衡量多模型分歧。
    VE(x)\text{VE}(x)
  2. 单模型不确定项$-\max_y P_\theta(y \mid x)$，取主要模型最大预测概率的负值，概率越低不确定性越大。
    −max⁡yPθ(y∣x)-\max_y P_\theta(y \mid x)
  3. 加权系数$\alpha$ 在 0 到 1 之间调整两项权重，工程上常从 0.5 起调。
    α⋅VE(x)+(1−α)⋅(−max⁡yPθ(y∣x))\alpha \cdot \text{VE}(x) + (1-\alpha) \cdot (-\max_y P_\theta(y \mid x))

AI 应用场景

智能医疗影像标注

阶段：数据标注与管理

解决的问题：在医学影像数据标注中，专家标注费用高昂且时间有限。医院积累的海量 CT 影像中只有极少部分有标注，如何选择最值得专家标注的影像，直接决定模型落地的效果。

具体案例：某医疗 AI 团队构建了 5 个不同初始化结构的 ResNet 模型组成委员会，对 10 万张无标注 CT 图进行投票，选出肺结节判别分歧最大的 2000 张影像。专家标注这 2000 张后，模型在测试集上的 AUC 比随机选样标注提升了约 15%，且仅用全量标注预算的 20%。这就像在体检中先由五名全科医生各自独立筛查，选出诊断分歧最大的片子送交权威专家会诊。

自动驾驶场景下的主动采集

阶段：模型迭代与数据闭环

解决的问题：自动驾驶路测中，车辆每天采集千万级视频帧，绝大多数是“无聊”的常规路面，真正有价值的边缘场景（如施工路段、非常规障碍物）占比极低。逐帧人工标注不现实，需要用主动学习筛出高价值帧。

具体案例：某自动驾驶团队使用 Query-by-Bagging 方法，每次迭代训练 7 个分割模型，对无标注视频帧计算投票熵，提取分歧最大的前 1% 帧做标注并加入训练集。经过三轮迭代后，模型在长尾场景的 IoU 提升了 8 个百分点。这就是用面试官团在海量简历中自动筛出“最有争议”的候选人进行深度面试。

小样本自然语言处理标注

阶段：数据标注与管理

解决的问题：NLP 领域标注样本获取困难，尤其是专业法律文书、金融合同等需要专家投入大量时间阅读的场景。如何用最少标注让意图分类模型达到可用效果？

具体案例：某金融科技公司面向合同条款分类任务，使用 6 个结构不同但训练子集相互重叠的 BERT 模型组成委员会，对 5 万条未标注条款做投票，按 KL 散度排序取前 500 条人工标注。仅经过两轮迭代，模型在测试集上 F1 从 0.72 提升至 0.86，接近使用全量 5000 条标注数据的表现（F1=0.88）。用比喻来说，这相当于用六位背景各异的法务专家对未审合同独立出具意见，找出争议最大的那几份请资深合伙人重点处理。

Python 演示

python64 行
import numpy as npfrom collections import Counterfrom sklearn.tree import DecisionTreeClassifier  def bootstrap_sample(X, y, seed):    """从标注集中有放回抽样，返回 Bagging 训练子集。"""    rng = np.random.RandomState(seed)    idx = rng.randint(0, len(X), size=len(X))    return X[idx], y[idx]  def train_committee(X, y, n_models=5, seed=42):    """训练由决策树组成的 Bagging 委员会。"""    committee = []    for i in range(n_models):        X_sub, y_sub = bootstrap_sample(np.asarray(X), np.asarray(y), seed + i)        clf = DecisionTreeClassifier(max_depth=6, random_state=seed + i)        clf.fit(X_sub, y_sub)        committee.append(clf)    return committee  def vote_entropy(committee, x):    """计算单个样本的投票熵（分歧度）。"""    votes = [model.predict([x])[0] for model in committee]    freq = Counter(votes)    n = len(committee)    ent = 0.0    for count in freq.values():        p = count / n        if p > 0:            ent -= p * np.log2(p)    return ent  def qbc_query(committee, X_pool, top_k=3):    """按投票熵从大到小选出 top_k 个待标注样本。"""    scores = [vote_entropy(committee, x) for x in X_pool]    ranked = np.argsort(scores)[::-1][:top_k]    return ranked, [scores[i] for i in ranked]  def demo():    """在随机线性可分数据上演示委员会查询选样。"""    rng = np.random.RandomState(0)    # 两份数据：一份已标注（训练委员会），一份未标注（供查询）    X_lab = rng.randn(40, 2) + np.array([1.0, 0.0])    y_lab = np.ones(40, dtype=int)    X_neg = rng.randn(40, 2) - np.array([0.0, 1.0])    y_neg = np.zeros(40, dtype=int)    X = np.vstack([X_lab, X_neg])    y = np.hstack([y_lab, y_neg])     X_pool = rng.randn(100, 2)     committee = train_committee(X, y, n_models=7)    idx, scores = qbc_query(committee, X_pool, top_k=5)    print("选中的 5 个样本索引:", idx)    print("对应投票熵:", [round(s, 4) for s in scores])  if __name__ == "__main__":    demo()
目的：演示了用 Bagging 构建委员会，通过投票熵从无标注池中选出分歧最大的样本——这是工程中 QBC 应用的核心流程。
  1. committee.append(clf)每个 bagging 子模型加入委员会，子模型之间天然存在数据多样性。
  2. bootstrap_sample(X, y, seed)使用固定随机种子保证每次抽样可复现。
  3. votes = [model.predict([x])[0] for model in committee]让所有面试官对同一个候选人独立给出意见。
  4. Counter(votes)统计票数分布，是计算投票熵的基础。
  5. ent -= p * np.log2(p)标准信息熵公式，概率越均匀熵越高。
  6. qbc_query将投票熵作为排序依据，选出最值得人工标注的样本。
  7. np.argsort(scores)[::-1][:top_k]降序取前 k 个索引，对应分歧最大的候选集。
  8. train_committee(X, y, n_models=7)工程中常见的 7 模型委员会，兼顾多样性与算力成本。
  9. max_depth=6限制单棵树复杂度，确保各模型不过度拟合，保持意见差异。

常见误区

误区我发现用更多模型组成委员会效果会更好，于是直接把委员会规模升到 50 个模型，以为能获得最完美的分歧度估计。训练成本倒是其次，关键是觉得模型越多代表越多视角，就像面试官越多越不容易看走眼。

正解委员会规模存在边际收益递减效应。当模型数超过一定规模后，多样性趋于饱和，新增模型带来的信息增益几乎为零，但训练和推理成本线性增长。就像面试官超过 10 人后，新增面试官很难再提供全新视角，反而增加协调成本。更合理的做法是从 5 个起步，通过消融实验确定当前任务上的最优规模。

为何常见：人们容易记住集成学习“模型越多越强”的直觉印象，忽略 QBC 的核心目标是“用最小成本获取最大分歧信息”而非简单叠加模型。

误区我觉得投票熵越大的样本一定越值得标注，因为分歧最大。所以直接把所有高熵样本全部送标，以为这样就能最快提升模型效果。

正解投票熵大代表委员会内部意见分裂，但这个分裂可能来自样本本身具有高噪声，也可能是领域边界上的难例。高熵样本中还可能混入“不可学习”的样本——即模型即使看到真实标签也无法学到规律。工程上应结合样本多样性（如密度或代表度）做二次筛选，或在标注后快速验证该样本带来的增益。

为何常见：人们过度关注“度量指标”本身，忽略了主动学习的目标是“提升模型泛化能力”而非“找出所有分歧样本”。

误区我以为 QBC 就等同于 Bagging，反正文档里都是讲 Bootstrap 抽样构建委员会。于是不管什么场景都用 Bagging 构建，效果不佳时以为是模型参数没调好。

正解Bagging 只是委员会构建的一种方式。不同初始化、不同训练子集、不同模型结构/算法族都能构建多样性委员会。在数据量很小的场景下，Bagging 的自助采样可能导致子模型间的数据重合度过高、差异性不足；此时选择不同初始化或不同结构的小模型更合适，就像面试官团既要有同部门的平级视角，更要有跨部门的管理视角。

为何常见：教学示例常以 Bagging 为默认实现，导致学习者误认为 QBC 与 Bagging 等价，忽略了多样性这一核心本质。

面试题

Q1. 委员会查询策略选择待标注样本的核心依据是？

单选题 · easy

  • A.单个模型的置信度最低
  • B.委员会中多个模型的分歧最大← 正确答案
  • C.样本在特征空间中距离中心最远
  • D.样本出现的时间顺序最早

答案：B。QBC 的本质是挑选委员会内部预测分歧最大的样本，而非看单一模型的置信度（A）。C 是代表性采样思路，D 是随机顺序，与 QBC 无关。

Q2. 投票熵为 1 时，意味着对于一个二分类问题，委员会的投票分布最可能是？

单选题 · mid

  • A.所有模型都投类别 0
  • B.所有模型都投类别 1
  • C.一半模型投类别 0，一半投类别 1← 正确答案
  • D.四分之三的模型投类别 0

答案：C。二分类下投票熵最大值为 1，此时概率分布最均匀——即 50%/50%。当票型为 3:1 时熵约为 0.81，全票时熵为 0，因此选 C。

Q3. 以下哪种方法最不适合直接用于构建委员会查询中的委员会？

单选题 · mid

  • A.Bagging 自助采样训练多个模型
  • B.不同随机种子初始化模型参数
  • C.将同一模型复制多份作为多个委员← 正确答案
  • D.将训练集划分给不同模型分别训练

答案：C。复制同一模型得到的是完全相同的预测，分歧度恒为 0，QBC 失去意义。Bagging、不同初始化、不同子集都是构建委员会成员多样性的有效手段。

Q4. 与不确定性采样相比，委员会查询策略最大的优势在于？

单选题 · mid

  • A.计算开销更小
  • B.不需要训练模型
  • C.通过集成多视角规避单模型的系统偏见← 正确答案
  • D.在所有数据集上效果一定更好

答案：C。委员会查询通过多个模型的投票分歧选样，可以有效规避单一模型的系统性偏差。它的计算开销通常更大（A 错），也必须依赖模型（B 错），且并非在所有数据上都优于不确定性采样（D 错）。

Q5. 当已标注数据量极少（如每类仅 20 条）时，使用 Bagging 构建委员会可能面临的主要问题是？

单选题 · hard

  • A.子模型训练时间太长
  • B.子模型之间重合度过高导致分歧不足← 正确答案
  • C.模型无法输出预测概率
  • D.Bagging 不支持小数据集

答案：B。数据量极小时，Bagging 的有放回采样使每个子模型的训练集高度重合，模型之间的多样性显著下降，分歧度趋近于零，QBC 会退化。此时应改用不同初始化或不同结构小模型。

Q6. 以下哪个度量衡量的是委员会投票分布的混乱程度？

单选题 · easy

  • A.投票熵← 正确答案
  • B.置信度
  • C.准确率
  • D.召回率

答案：A。投票熵通过 $-\sum p \log p$ 计算投票分布的混乱程度，熵值越大分歧越大。置信度是单模型概念，准确率/召回率是模型评估指标，均不度量分歧。

Q7. 在 QBC 的工程实践中，设投票熵为 0、但单一模型输出概率接近 0.5 的样本应如何处理？

单选题 · hard

  • A.直接丢弃，因为委员会无分歧
  • B.与委员会高分歧样本一起优先标注← 正确答案
  • C.强制修改委员会使其产生分歧
  • D.降低该样本在训练集中的权重

答案：B。委员会无分歧但单模型低置信度的样本，仍可能是决策边界的邻近点，尤其当委员会结构偏单一时。工程中常用加权策略综合两类信号，而非直接丢弃（A）。C 是错误干预，D 是训练期调整，与选样无关。

Q8. 委员会查询中，增加委员会规模会带来哪些影响？

多选题 · mid

  • A.更稳定的分歧度估计← 正确答案
  • B.更高的训练和推理成本← 正确答案
  • C.多样性始终线性增长
  • D.投票熵必然随之增大

答案：AB。增加委员会成员会降低分歧估计方差，变得更稳定（A 对），但计算成本线性上升（B 对）。多样性呈边际递减而非线性增长（C 错），投票熵是样本固有属性，不随委员会规模单调变化（D 错）。

Q9. 关于投票熵与 KL 散度两种分歧度量的说法正确的有？

多选题 · hard

  • A.投票熵对类别票数分布敏感← 正确答案
  • B.KL 散度能捕捉模型间预测分布的差异总量← 正确答案
  • C.两者在完全一致时都取得最小值← 正确答案
  • D.两者计算结果完全等价

答案：ABC。投票熵衡量投票分布的混乱程度，对票型敏感（A 对）。KL 散度关注模型之间的分布差异总和（B 对）。委员会完全一致时，投票熵为 0，各模型分布与平均分布相同导致 KL 也为 0（C 对）。两者数学形式和语义不同，不是等价度量（D 错）。

Q10. 委员会查询中，已经标注过的样本应该如何处理？

单选题 · easy

  • A.继续加入未标注池重复查询
  • B.移入训练集，不再参与查询← 正确答案
  • C.直接丢弃
  • D.只保留标签，删除特征

答案：B。已标注样本应移入训练集并用于更新委员会模型。重复查询已标注样本（A）浪费预算，丢弃（C）和信息丢失（D）都会降低数据利用率。