本文总结了一个研究，提出了一种新的可解释主动学习(XAL)框架，结合模型不确定性与解释生成，以提升低资源文本分类的效果。
本文提出了一种新颖的可解释主动学习框架（XAL），结合预训练的双向编码器和单向解码器，旨在提高低资源文本分类任务中的预测可解释性和准确性。通过自我训练方法替代传统的半监督学习，显著提升了在噪声标签下的性能，评估结果显示在多个数据集上实现了超过95%的准确率。
完成下面两步后，将自动完成登录并继续当前操作。
