2026年11月4日，Google Research 喺研究博客發表咗一個叫 Agile Deliberation 嘅新框架。作者係 Research Scientist Otilia Stretcu 同 Student Researcher Leijie Wang。
呢個框架專攻一個實際問題：點樣訓練影像分類器去辨識主觀、模糊嘅類別。框架要處理嘅例子包括：識別「健康食物」、篩選「有啟發性嘅藝術品」、輔助內容審核。呢類概念嘅邊界會隨文化背景、個人哲學同營運政策而變，冇一個放諸四海皆準嘅答案。
問題嘅核心在於：傳統訓練流程假設標註者手上已經有一張完整、穩定嘅定義。對客觀類別（如交通標誌、金毛尋回犬）呢個假設成立，但對主觀概念，人哋通常只有一個直覺概念，邊界、例外同細節係遇到具體例子先至慢慢發現。傳統流程冇考慮到呢個概念演變過程，強迫用户喺自己心智模型仍舊變化時，就向 AI 系統提供僵硬標註。
Agile Deliberation 將呢個過程設計成一個迭代式對話，分兩步：概念界定（concept scoping）同概念迭代（concept iteration）。第一步將大概念拆成結構化嘅子概念層級；第二步用 LLM 驅動嘅優化循環處理邊界案例。系統唔係叫人做靜態標註，而係做一個合作夥伴，幫用户先解決自己嘅模糊，先至生成分類器。
評估方面，研究團隊冇用標準靜態 benchmark，而係進行了 18 個真人 session，每個 1.5 小時。研究作者稱，將手動 prompt engineering 換成對邊界圖像嘅直接回饋，大幅降低用户疲勞同焦慮，生成嘅模型表現勝過標準基線。
相關代碼同算法已喺 GitHub 開源。
模姐驗嚇貨
呢篇係研究博客，唔係同行評審論文。「表現勝過基線」係研究作者嘅自述，未見獨立第三方驗證。對研究者有興趣嘅，可以睇下 GitHub 嘅開源代碼。
模姐｜深度調教
