When Is Coarse Supervision Worth It? Cost-Aware Learning under Unknown Aggregation

该研究提出 cost-aware two-resolution learning 框架，在细标签（向量响应）与粗标签（未知权重标量聚合）之间权衡标注成本与信息量。研究推导了粗监督的盈亏平衡条件，并提出 estimate-and-track 策略以学习聚合规则并追踪最优分辨率组合。实验表明该在线策略逼近 oracle-share 基准，在粗监督有利时可在有限预算下超越全细标签获取方案。