연구진은 실시간 데이터 스트림 학습의 주요 병목 현상인 데이터 획득 비용 문제를 해결하기 위해 QueryMarket 프레임워크를 제안했어요.
QueryMarket은 모델 유틸리티 추정치와 가격을 기반으로 각 데이터 포인트를 쿼리하며, OVBAL 알고리즘은 데이터 가격과 정보 기반 선택을 통합하여 비용 제약 하에서 구매를 실행해요.
합성 데이터 및 태양광 발전 예측 실제 작업 실험 결과, QueryMarket은 판매자 중심 가격 환경에서 비용 대비 오류 비율을 개선하는 효과를 보였어요.