Google Agile Deliberation：让图像分类先厘清“健康”“启发”等模糊标准

先给结论：Google Research 于 2026 年 11 月 4 日公开介绍 Agile Deliberation，针对“健康食品”“启发性艺术”等难用单一客观规则定义的图像分类场景。系统先帮助用户把宽泛概念拆成包含项与排除项，再通过边界案例迭代澄清定义，最后将讨论转成分类器指令。它不是让模型替人决定价值标准，而是把“标准仍在变化”的情况放进标注与建模流程。当前证据来自 Google 描述的 18 场、每场 1.5 小时真人会话，适合作为交互研究结论，不是跨行业准确率保证。

它改变的是定义过程

传统分类数据假设标签者开始前就知道类别边界，例如看到停车标志应归哪一类。但“健康食品”“值得推荐的艺术作品”或内容审核规则，常受组织政策、文化差异与具体上下文影响，参与者可能在处理样例时才发现规则缺口。Agile Deliberation 将过程分成 concept scoping 和 concept iteration：先拆出正向子概念和明确排除项，再呈现有争议的边界图像，让用户反馈并逐步修订分类指令。

这与单纯让 LLM 自动生成一份 prompt 不同。系统希望使用者直接判断“这个例子为什么算或不算”，通过检索或组织难例，逐轮形成更清晰的操作定义。Google 的文章强调，静态标签难以捕捉使用者意图变化；真人研究则观察这种意图在工具辅助下如何演进。对产品团队，潜在价值是减少标注人员反复猜测抽象提示词的负担，但每个组织仍需决定谁有权制定和修改边界。

实验能说明什么，不能说明什么

Google Research 报告 18 场 live user sessions，每场约 1.5 小时，并将 Agile Deliberation 与其他基线的交互顺序随机化，以降低学习顺序影响。文章称参与者在反馈边界图像而非手工猜搜索词后，主观疲劳和焦虑降低，形成的分类器在所测主观类别上优于所比较基线。这是论文作者与 Google 的研究结论，不是独立复核结果。18 场也不能代表所有行业用户，不能把项目方对“更一致、更高性能”的概括当作所有类别都可复现的统一提升。

论文与代码已公开：CVPR 2026 论文详细描述方法，GitHub 目录提供实现。复现时应固定图像集、类别定义、基线模型、参与者指引、人工介入时间和评价者；特别检查排除项是否压过少数群体或少见场景。若面向内容审核、医疗或招聘等高影响决策，交互工具只能帮助澄清标准，不能替代政策审查、代表性样本、申诉机制与人为复核。

适用场景和实践路径

适合产品研究、内部数据团队或视觉 ML 工程师面对一个主观标签、且业务方尚未形成完整边界说明的早期阶段。可从单一、低风险类别开始：整理正例、反例和争议样例；让相关使用者逐一解释边界；把定稿准则、样本来源和版本号保存；再用未参与讨论的新样本测量分类一致性。与普通 prompt 工程相比，多出来的步骤是明确排除项并回看难例，因而形成更可审核的规则记录。

结论：Agile Deliberation 的贡献是将人的概念澄清过程纳入分类器构建，而不只是追求模型分数。当前可用证据是有限真人研究与公开论文/代码。团队可以据此设计低风险试点，但仍要对类别公平性、样本代表性、跨人群一致性与模型漂移单独验证，不能把交互中的“达成共识”直接等同于社会或专家共识。

参考来源

1. Google Research 官方研究介绍
2. CVPR 2026 论文
3. arXiv 预印本
4. Google Research 开源代码
5. 相关前序研究：Modeling Collaborator