主观图像分类卡在标签定义，Google用边界图把F1拉高10.5点

Google Research 最近发布了一个叫 Agile Deliberation 的框架，目标很具体：处理主观视觉概念的分类。比如“这张图够不够专业”“风格是否统一”“看起来是否自然”，这类标签没有唯一答案，靠传统标注指南很难说清。框架的做法是让用户拿边界图像来定义概念，再把这些样本喂给基于 Gemini 的分类器，形成人在回路里的迭代流程。

这类问题的麻烦在于，模型缺的往往不是识别能力，而是对模糊边界的共识。你说“高级感”，十个人可能给出十种标注。Agile Deliberation 把争议样本拉到台前，让用户判断哪些图算、哪些不算，分类器据此调整。它把定义过程变成可操作的样本选择，没有要求用户一次性写出完美提示词。

在 18 场实时会话中，这套方法把 Gemini 分类器的 F1 比零样本基线提高了 10.5 点。F1 是分类任务里常用的综合指标，兼顾精确率和召回率。数字不算夸张，但指向一个现实：主观任务里，标签定义和边界样本可能比换更大模型更直接。对开发者来说，这意味着做图像审核、内容风格判断、设计资产筛选时，可以先检查标签本身是否足够清楚，再考虑模型。

据 MarkTechPost 的 Asif Razzaq 报道，这项工作的重点不是又一个分类器，而是把人的判断过程收进训练回路。原文链接：https://www.marktechpost.com/2026/11/04/google-agile-deliberation-subjective-image-classifiers/