Google Research 提出 Agile Deliberation 主观分类方法

2026 年 11 月 5 日，Google Research 的 Research Scientist Otilia Stretcu 与 Student Researcher Leijie Wang 公布了 Agile Deliberation 方法，目标是构建用于主观类别的 AI 图像分类器。该方法通过交互式商议工作流引导用户完成分类定义，工作流覆盖从界定子类别到处理边缘案例的过程，并通过 LLM 驱动的优化循环自动构建准确且对齐的分类器。

文章指出，机器学习模型从人类标注的样例中学习识别周围世界，其前提是标注者在开始前对类别有清晰且稳定的定义。这一前提在 stop sign 或 golden retriever 这类客观类别上成立，但当类别本身是主观的，例如「健康食品」「鼓舞人心的艺术」时，标注者的定义并不稳定，会给训练带来难题，这正是该方法要解决的情况。目前材料中可核对的信息到该方法的提出与思路说明为止。