AI 给图片分类前,先让人看几个拿不准的例子
让 AI 找“适合做封面的图片”,麻烦的往往不是分类速度,而是每个人心里的“适合”不一样:人物背影算不算?图上已经有大字算不算?
Google Research 在 11 月 4 日介绍了一项研究:先让用户把模糊分类拆成包含和排除的范围,再找出容易产生分歧的图片,让用户逐一说明理由,由系统据此调整分类规则。研究方法叫 Agile Deliberation;相关论文最早在 2025 年 12 月提交,后经修订发表于 CVPR 2026,并不是 11 月才首次发表。
流程分两步。首先明确范围:比如“适合做封面”可以先分成主体清楚、构图留白等子类,同时排除严重模糊的图片。接着系统用视觉语言模型寻找规则附近的边界案例:一张主体清楚但自带大标题的图,可能恰好暴露用户之前没说出的要求。用户决定是否纳入并给出反馈,系统再调整分类提示词。这里的封面例子是为了说明方法而构造的,不是论文中的测试材料。
研究者报告了 18 场、每场约 90 分钟的真人实验,测试了食品图片分类和识别带误导性奖励承诺的内容。对比包括一次性写提示词、由 AI 自动拆分类别,以及人工查找并修改规则。论文报告,这一交互流程在其测试中得到更高的 F1 分数;参与者也报告更清楚自己的分类概念、认知负担更低。
这类结果取决于参与者、图片和定义:小规模实验不能证明它在任何人的素材库里都更准,也不能证明某个分类标准客观正确。它能帮人发现没想过的边界,最后的纳入与排除仍由人决定;换一批图片或用途,也要重新检查。研究团队已开放原型代码,文中结果来自研究报告,这里没有复现。