主動學習是主動學習的概括，旨在放寬不現實的假設，從而達到實際應用。主動學習試圖選擇信息量xxx的無標簽實例，并向一個全知全能的神諭者詢問它們的標簽，以便重新訓練一個學習算法，使其準確性最大化。然而，神諭被認為是無懈可擊的（永遠不會錯），不屈不撓的（總是回答），個別的（只有一個神諭），并且對成本不敏感（總是免費或總是收費相同）。在現實生活中，有可能而且更普遍的是有多個具有不同可靠性或專業領域的信息來源。主動學習還假設單一的神諭是完美的，在被要求時總是提供一個正確的答案。

但在現實中，一個神諭（如果我們把這個詞概括為任何專家信息的來源）可能是不正確的（易錯的），其概率應該是問題難度的函數。此外，神諭可能是不情愿的--如果它太不確定或太忙，它可能拒絕回答。最后，主動學習假定甲骨文是免費的，或者在標簽誘導中收取統一的費用。這種假設是天真的，因為費用很可能受難度（制定答案所需的工作量）或其他因素的影響。主動學習放寬了所有這四個假設，依靠決策理論的方法來共同選擇最佳的信使和實例，將問題設定為一個受預算約束的效用優化問題。