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
写得挺用心的,支持一下。
实话,说的不明不白
点赞,必须点赞
思路清晰,干货满满。
看完了,收获满满,期待更多更新。
这个观点很中肯,深有同感。
写得挺用心的,支持一下。
这个观点很中肯,深有同感。
不错不错,已加入书签。
这个观点很中肯,深有同感。
作者写得真不错,学到了不少。
赞同,实践出真知。