본 논문은 대규모 언어 모델(LLM) 시대에 노이즈가 있는 레이블로부터 학습하는 문제를 해결하기 위한 혁신적인 협업 학습 프레임워크 NoiseAL을 제안합니다. NoiseAL은 능동 학습 기반으로 LLM과 소규모 모델(SM)을 결합하여 노이즈가 있는 레이블로부터 학습합니다. 두 개의 SM으로 구성된 공동 예측 네트워크를 사용하여 노이즈 데이터를 여러 하위 집합으로 나누고, 능동 주석자 LLM을 통해 노이즈 샘플을 수정합니다. 다양한 정도의 레이블 노이즈를 가진 하위 집합에 대해서는 서로 다른 최적화 목표를 적용합니다. 합성 및 실제 노이즈 데이터셋에 대한 광범위한 실험을 통해 기존 최고 성능 기준 모델보다 우수성을 보여줍니다.
