Google AI Research 发布面向模糊边界图像分类器的敏捷研判框架

林知秋AI 前沿📡 BestBlogs·AI高分精选⭐ 852026-11-05860 阅读💛 119 收藏
Google AI Research 发布面向模糊边界图像分类器的敏捷研判框架

📌 One-Sentence Summary

Google Research 推出 Agile Deliberation,这是一种人在回路中的框架,利用 Gemini VLM 帮助用户定义主观图像分类器的边界;在「付费才能玩」和「健康食品」概念上,其 F1 分数较零样本方法提升 10.5 分。

📝 Summary

Agile Deliberation 是 Google Research 推出的一种框架,用于围绕「健康食品」或「标题党」等主观概念构建图像分类器。与假设用户已了解概念边界的传统方法不同,该框架通过两阶段流程帮助用户探索边界:先借助 Gemini 2.5 Pro 将概念拆解为单元概念,再通过语义查询和多臂老虎机选择,迭代寻找边界图像。系统无需微调,只需向 Gemini 2.5 Flash 分类器提供提示词。在 9 位参与者参加的 18 场真实测试中,系统的表现比零样本方法高出 10.5 个 F1 分。与 Modeling Collaborator 相比,它在「付费才能玩」概念上的 F1 分数更高(0.59 对 0.53);它通过语义而非分类器置信度寻找模糊图像,将人工标注工作量降至约 45 分钟,而以往工作需要标注 100+ 个样本。

💡 Main Points

人在回路中的边界探索

该框架假设用户并不了解概念边界,并通过迭代优化,主动帮助他们探索主观概念的定义;这与要求预先设定边界的传统方法不同。

基于语义检测边界图像

系统不依赖未经校准的分类器置信度分数,而是生成「大量使用蛋黄酱酱料的沙拉」等语义查询,并利用 UCB 多臂老虎机选择模糊图像簇供人工审核。

F1 分数较零样本方法提升 10.5 分

在 9 位参与者参加的 18 场真实测试中,Agile Deliberation 的平均表现比零样本 Gemini 2.5 Flash 高出 10.5 个 F1 分;在「付费才能玩」概念上,F1 分数为 0.59,而基线为 0.48;在「健康食品」概念上,F1 分数为 0.58,而基线为 0.48。

💬 Key Quotes

Agile Deliberation 是 Google Research 推出的一种框架,能够将模糊概念转化为结构化的书面定义。

它通过 API 向 Gemini 2.5 Pro 和 Gemini 2.5 Flash 提供提示词,无需微调。

平均而言,F1 分数比零样本 Gemini 2.5 Flash 高出 10.5 分。

用户表示,与手动编辑提示词相比,这种方式显著降低了工作量和压力。

📊 Article Meta

AI Screening: 85

Source: MarkTechPost

Author: Asif Razzaq

Category: 人工智能

Language: 英文

Read Time: 4 min

Word Count: 998

Tags:

AI 与智能应用 , 视觉语言模型 , 提示工程 , AI Agent , 开源项目

#AI 与智能应用# 视觉语言模型# 提示工程# AI Agent# 开源项目

文章评论(12)

武磊10 天前

写得挺用心的,支持一下。

回复
星寻梦10 天前

实话,说的不明不白

回复
北岛渔夫10 天前

点赞,必须点赞

回复
空向阳10 天前

思路清晰,干货满满。

回复
白向阳10 天前

看完了,收获满满,期待更多更新。

回复
石佳琪10 天前

这个观点很中肯,深有同感。

回复
暮临风10 天前

写得挺用心的,支持一下。

回复
墨沐雨10 天前

这个观点很中肯,深有同感。

回复
龙文博10 天前

不错不错,已加入书签。

回复
吴超10 天前

这个观点很中肯,深有同感。

回复
风倚栏10 天前

作者写得真不错,学到了不少。

回复
武磊10 天前

赞同,实践出真知。

回复