AI 前沿
Google提出Agile Deliberation辅助界定主观图像分类
Google Research介绍Agile Deliberation框架,用大模型驱动的交互式流程帮助用户逐步界定“健康食品”等主观分类,并处理边界案例。团队通过18场真人测试观察概念演化,并称其降低疲劳和焦虑,效果优于常规基线。
Google Research研究科学家Otilia Stretcu和学生研究员Leijie Wang介绍了Agile Deliberation。该方法面向主观类别的AI图像分类器构建难题,通过交互式审议流程,引导用户从划分子类别到解决边缘案例,并用大模型驱动的优化循环自动构建准确、对齐的分类器。
文章指出,传统机器学习假设标注者在开始前已有清晰稳定的类别定义,这适用于停车标志、金毛犬等客观类别;但健康食品、鼓舞人心的艺术作品或内容审核等场景会受到文化背景、个人理念和运营政策变化影响。人们通常是在看到真实样本后,才逐渐明确概念边界、例外和细微差别。
Agile Deliberation把主观分类器创建视为迭代对话,不再让人充当静态标注者,而是让AI协助用户澄清定义。团队称,先解决人的模糊性,可以更系统地构建有效、稳健且对齐的视觉系统,并已在GitHub开源相关代码和算法。
该研究没有只依赖静态基准,而是开展18场、每场1.5小时的真人测试,以观察用户意图如何在与智能系统互动中变化。团队称,用户只需对边界图像直接反馈,无需手动调整提示词,疲劳和焦虑显著降低,最终模型更一致、表现更好。流程分为概念范围界定和概念迭代两个阶段,把模糊想法转化为精确的模型指令蓝图。