Google Research представила Agile Deliberation для субъективной классификации изображений

Google Research выпустила Agile Deliberation — фреймворк с участием человека для создания классификаторов изображений в случаях, когда границы категории зависят от субъективной оценки. Среди возможных задач — определение «здоровой еды», вдохновляющего искусства или кликбейта. Пользователю не нужно заранее формулировать полное понятие: система помогает уточнить его на примерах пограничных изображений. Итоговое определение одновременно является понятной человеку политикой и текстовой инструкцией для визуально-языковой модели.

Agile Deliberation обращается к Gemini 2.5 Pro и Gemini 2.5 Flash через API и не использует дообучение. Понятие разбивается максимум на три составляющие, а изображения извлекаются по CLIP-эмбеддингам с помощью FAISS. Затем система объединяет примеры с общей смысловой неоднозначностью. Пользователь размечает их и записывает причины разногласий, после чего языковая модель создает варианты определений; сохраняется вариант с лучшим показателем F1.

В 18 сеансах участвовали девять человек, каждый работал с двумя понятиями: кликбейтом «paid to play» и «healthy food». Средний F1 оказался на 10,5 пункта выше, чем у zero-shot Gemini 2.5 Flash. Для первой категории показатель вырос с 0,48 до 0,59, для второй — с 0,48 до 0,58. Код опубликован под лицензией Apache 2.0, а демонстрационный ноутбук требует ключ Gemini API.