Журнал · Rit.work

OracleImitator переносит выбор дорогих данных из онлайна в обучение

OracleImitator учится у алгоритма с доступом к полным данным и выбирает полезные признаки без запуска учителя в продакшене.

Rit.work
Студия разработки
20 ноября 2026 г.3 мин чтения

Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.

Модель научили выбирать, какие обследования или признаки стоит запросить для конкретного объекта, не собирая весь доступный набор данных. В работе Yang Meng, Zixin Ding, Robert L. Grossman и Yuxin Chen, которая не прошла рецензирование и опирается на числа самих авторов, OracleImitator вернул 90% доступного прироста точности, потратив меньше четверти полной стоимости сбора данных. Для продуктовой команды это способ вынести дорогой анализ вариантов в обучение, а в продакшене оставить небольшую модель выбора.

Алгоритм-учитель видит то, что будет скрыто в продакшене

Активный сбор признаков (Active Feature Acquisition) нужен там, где каждое новое значение приходится оплачивать деньгами, временем, вычислениями или раскрытием данных. В медицине таким значением может быть отдельный анализ, в промышленной системе — измерение датчика, а в табличной задаче — поле, которое нужно запросить у пользователя.

Обычный подход обучает политику сбора через специально придуманную функцию полезности или обучение с подкреплением. OracleImitator использует информацию, которая уже доступна в обучающем наборе: правильную метку и значения ещё не выбранных признаков.

Для каждого частично заполненного объекта алгоритм по очереди подставляет один из доступных кандидатов в заранее обученный предсказатель. Затем он измеряет ошибку по оценке Брайера: она учитывает не только выбранный класс, но и всё распределение вероятностей. Чем меньше ошибка после добавления признака, тем выше учитель ставит этот вариант.

Учитель не является отдельной нейросетью, поэтому его не нужно обучать и он не добавляет собственную ошибку приближения. Это детерминированный алгоритм, который строит ранжирование кандидатов по реакции того же предсказателя, который затем работает в продакшене.

Ученик получает только уже известные значения и маску, показывающую, какие источники доступны. Его обучают воспроизводить не один лучший ответ, а мягкое распределение по кандидатам. Случайные маски показывают ученику разные сочетания пропущенных данных, а вспомогательная задача классификации помогает извлекать из них сигнал.

После обучения учителя удаляют. Ученик последовательно выбирает самый высоко оценённый признак, который помещается в оставшийся бюджет, а затем фиксированный предсказатель выдаёт итоговый класс. Значения неполученных признаков и правильный ответ на этом этапе ему недоступны.

Не все решения учителя можно восстановить по видимым данным

Метод проверили на TCGA-Glioma с отдельно заказываемыми медицинскими источниками, PhysioNet-2012 с группами клинических измерений и задачах AFABench, где действием служит отдельный табличный признак. В набор сравнения вошли медицинские, демографические, синтетические и крупные табличные данные. Во всех экспериментах политики работали с одним и тем же фиксированным предсказателем, поэтому разницу в точности связывали именно с порядком сбора.

OracleImitator совпал с профильными методами или обошёл их на диапазоне бюджетов. Результат сохранился при другой архитектуре предсказателя и при замене схемы стоимости признаков, хотя конкретная последовательность запросов менялась.

Явный учитель позволил измерить восстановимость — долю его решений, которую в принципе можно вывести из доступной ученику части объекта. На разных задачах оценка составила от 0,30 до 0,53. Иными словами, даже оптимальная детерминированная политика часто не может угадать действие учителя, потому что различающая кандидатов информация ещё не получена.

Замена архитектуры ученика сдвигала среднюю точность не более чем на один процентный пункт. Даже недоступный на практике вариант, обученный непосредственно на метках тестовой части, закрывал лишь 16–54% разрыва с учителем. Эти проверки указывают, что остаточный разрыв задаёт прежде всего доступная информация, а не размер сети или способ оптимизации.

Командам стоит менять схему обучения, но не контур исполнения

Подход подходит продуктам, где исторические записи содержат итоговые метки и значения потенциально дорогих признаков. Также нужен предсказатель, способный работать с произвольным подмножеством входов. Если обучающие данные сами неполны или итог нельзя проверить, построить такого учителя по предложенной схеме не получится.

Для новой системы работа предлагает разделить архитектуру на три части: фиксированный предсказатель, офлайн-алгоритм ранжирования и небольшую политику выбора. Дорогие прогоны предсказателя по всем кандидатам выполняются при подготовке обучающих целей. В рабочем контуре остаются последовательные вызовы ученика и один итоговый прогноз.

Метод предполагает отдельный бюджет для каждого объекта и расходует его, пока остаётся доступный кандидат. Учитель оценивает ближайший следующий шаг, а не планирует всю цепочку измерений. Поэтому результаты напрямую относятся к задачам с последовательным жадным выбором, но не проверяют общий бюджет на поток клиентов или случаи, где раннее дорогое действие открывает особенно выгодную длинную ветку.

Для команды, которая уже использует обучение с подкреплением или собственную функцию полезности, OracleImitator даёт проверяемую альтернативу для офлайн-эксперимента. Менять продакшен-контур заранее не требуется: сначала можно построить учителя на исторических данных, сравнить кривые «стоимость — точность» и отдельно оценить, насколько его решения восстановимы из информации, доступной в момент запроса.

Источники

Пауза в чтении

Похоже на вашу задачу?

Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.

Rit.work

Студия разработки

Собираем мобильные приложения и помогаем командам получать от AI реальную пользу. Основатель и команда, работаем удалённо — с клиентами в России и за рубежом.

← Ко всем материалам
Понравилось? Обсудим вашу задачу