Google Research lançou o Agile Deliberation, um framework com intervenção humana para construir classificadores de imagens em torno de conceitos subjetivos. Pense em "alimentação saudável", "arte inspiradora" ou clickbait em moderação de conteúdo. A maioria das ferramentas presume que o usuário já conhece o limite do conceito. O Agile Deliberation parte do pressuposto de que ele não conhece e o ajuda a encontrá‑lo.
TL;DR Framework: ele faz chamadas ao Gemini 2.5 Pro e Gemini 2.5 Flash via API, sem fine‑tuning. Executa‑se em um notebook Jupyter ou Colab. A recuperação usa embeddings CLIP e um índice FAISS em CPU ou GPU. O índice de demonstração tem cerca de 260 MB.
Desempenho: 10,5 pontos de F1 acima do zero‑shot Gemini 2.5 Flash, em média, em 2 conceitos e 18 sessões ao vivo. Melhor caso: "Paid to play" com F1 de 0,59 vs 0,48 zero‑shot, precisão aumentou 22 pontos (de 0,35 para 0,57). Pior caso: recall caiu 17 pontos em "Paid to play" (de 0,80 para 0,63) e 15 pontos em "healthy food".
O que é Agile Deliberation? É o framework da Google Research que transforma um conceito vago em uma definição escrita estruturada. Essa definição cumpre duas funções: serve como política legível por humanos e como prompt de texto para um classificador VLM. Cada rodada mantém a definição candidata com o melhor F1 nas etiquetas do usuário. O design surgiu de entrevistas com especialistas em moderação de conteúdo. Eles primeiro delimitam um conceito e depois o refinam em imagens limítrofes. Encontrar essas imagens era a parte mais lenta.
Como funciona o escopo do conceito? A Etapa 1 divide o conceito em no máximo 3 sub‑conceitos, usando encadeamento de prompts com Gemini 2.5 Pro. Cada unidade recebe subconceitos positivos e negativos candidatos, exibidos com imagens recuperadas. Para "alimentação saudável", positivos podem ser saladas ou tigelas de grãos; negativos podem ser alimentos processados ou ingredientes crus e não preparados. O usuário mantém, inverte ou descarta cada um.
Como a iteração do conceito encontra imagens limítrofes? A Etapa 2 ignora o clássico sampling de incerteza. O classificador é um VLM generativo guiado por prompt, portanto seus escores de confiança são
Fonte: MarkTechPost
Publicado em 2026-11-05