HybridAL：主动学习中基于稳定信号的训练策略切换

HybridAL 是一种自适应训练调度方法，通过监测在线稳定信号，在模型轨迹持续稳定后从重新训练切换为微调。在三种编码器骨干和六个文本分类任务上，HybridAL 的端点 macro-F1 与重新训练和微调相比不劣于 0.010 的差距，最多节省 49% 的重新训练时间，并恢复了重新训练在 NLL 校准上的大部分优势。相比固定轮次切换，它在中度额外成本下获得更低的 NLL。