敏捷 deliberation：主观视觉分类的概念 deliberation
人工智能
2026-04-07 v2 计算机视觉与模式识别
人机交互
机器学习
摘要
从内容审查到内容 curated，要求视觉分类器用于视觉概念的应用正在迅速扩展。现有的基于人类在环的方法通常假设用户具备清晰、稳定的概念理解才能提供高质量的监督。实际情况中，用户往往只有一个模糊的想法，需通过“概念 deliberation”不断迭代细化。我们通过对内容审查专家进行结构化访谈，发现这种实践是常见的。我们将审查者在deliberation中常用策略操作化，构建一种名为“敏捷 deliberation”的人类在环框架，显式支持演化和主观的概念。该系统通过暴露用户于边缘案例，帮助其为自己定义概念。具体做法包括两个deliberation阶段：（1）概念范围界定，将初始概念分解为子概念的结构化层次；（2）概念迭代，揭示语义边缘示例供用户反思和反馈，以迭代对齐图像分类器与用户不断演化的意图。由于概念deliberation本质上是主观且交互式的，我们对该框架进行了严谨评估：进行了18次时长为1.5小时的用户会话，而非标准基准数据集。我们发现，敏捷 deliberation的F1分数比自动分解基线高出7.5%，比手动deliberation高出3%以上，同时用户报告概念理解更清晰、认知负荷更低。
引用
@article{arxiv.2512.10821,
title = {Agile Deliberation: Concept Deliberation for Subjective Visual Classification},
author = {Leijie Wang and Otilia Stretcu and Wei Qiao and Thomas Denby and Krishnamurthy Viswanathan and Enming Luo and Chun-Ta Lu and Tushar Dogra and Ranjay Krishna and Ariel Fuxman},
journal= {arXiv preprint arXiv:2512.10821},
year = {2026}
}