本論文では、「ラベルなしデータのためのアクティブラーニングと大規模言語モデル（LLM）の統合」（LAUD）という新たな学習フレームワークを提案しています。従来のLLMは、事前学習データを超えた一般化能力を示していますが、実際の応用ではラベル付きデータが不足していることが多く、高性能モデルの獲得が難しいことが課題です。この問題を解決するために、LAUDはゼロショット学習を使用して初期のラベルセットを構築し、コールドスタート問題を軽減します。実験結果では、LAUDによって得られたLLMが、ゼロショットや少数ショット学習によるモデルよりも、商品名分類タスクにおいて優れた性能を示したことが確認されました。この成果は、LAUDの効果的な活用を示唆しています。