本研究提出了一种AL4RAG方法，通过活跃学习从对话记录中选择样本，以提升检索增强生成（RAG）在大型语言模型中的性能。该方法显著改善了模型效果，展示了活跃学习的潜力。

本文探讨了活跃学习技术在文本分类中的应用，强调选择合适的文本表示、分类器和评估指标的重要性。研究结合自监督预训练和Balanced Selection算法，解决类不平衡问题，提升分类性能。此外，提出了多样性原则的查询策略和基于聚类的主动学习框架，以降低注释成本并提高学习效果。