张若禹关于利用大语言模型（LLM）进行数据标注的论文《LLMaAA: Making Large Language Models as Active Annotators》被Findings of EMNLP 2023接收。

传统的NLP任务通常依赖于监督学习范式，需要大量的标注数据进行训练。为了利用大语言模型（LLM）的能力和海量的无监督数据，在本文中我们提出了一种基于LLM的标注策略LLMaAA，将LLM作为标注者并通过主动学习提升标注效率。为了提升下游模型在伪标签数据下的健壮性，我们从标注和训练两方面进行了优化：（1）在标注阶段，我们使用k-近邻策略选取示例样本，（2）在训练阶段，我们使用重加权技术提升学习表现。在两类信息抽取任务中，我们的实验展示了LLMaAA的有效性。