主动学习：

主动学习的主要假设是，如果学习算法可以选择它想要学习的数据，那么它可以比传统方法表现得更好，而且训练数据要少得多。

主动学习 (AL) 通过指导和扩展学习过程的模型来增强学习过程。使用 AL，代理可以“主动”从多个来源收集标签，或更好地管理其标签（包括拒绝/改进不正确或不完整的标签），或在需要额外努力解决困难的数据中嵌入有关因果关系或复杂性的补充信息标记或将现有学习应用于类似问题的过程。

持续学习

持续学习是模型从数据流中持续学习的能力。在实践中，这意味着支持模型在新数据进入时自主学习和适应生产的能力。