
SemIf
SemIf(原名 OpenJev)是一个独立研究项目,旨在用开放模型复现 TypeSafe Jev 的“语义 if”接口模式——即在运行时动态定义决策标准与选项,直接从模型 logits 读取带类型的概率分布,而非生成文本再解析。
Google Research 推出 Agile Deliberation,一套用于灰色地带、主观概念图像分类的人在环路审议框架,已被 CVPR 2026 接收。它适合 “健康食品”“标题党(paid to play)” 这类边界模糊、没有标准答案的概念;区别于传统方案 —— 它不要求使用者预先清楚概念边界,而是辅助人一起探索、收敛边界定...
Google AI Research发布了 Agile Deliberation,这是一个专为处理“灰色地带”(主观或模糊概念,如“健康食品”、“标题党”或特定艺术风格)而设计的人在环路(Human-in-the-Loop, HITL)图像分类框架。该框架不依赖传统的静态标注,而是通过人机协作动态探索并界定概念的语义边界,最终生成结构化的文本定义以驱动视觉语言模型(VLM)。

Agile Deliberation 的核心创新在于按语义含义而非模型置信度来寻找边界图像,从而克服了生成式 VLM 置信度分数通常未校准的问题。其工作流分为两个关键阶段:
由于主观概念缺乏固定的“Ground Truth”,Google 团队采用了 18 次实时会话(每次约 90 分钟,由 9 名非专业参与者完成)进行动态评估,对比了“Paid to play(标题党)”和“健康食品”两个概念:
Demo.ipynb。演示环境仅需下载约 260 MB 的 FAISS 索引分片(完整 100 个分片约 13 GB),配置 Gemini API 密钥即可在 Jupyter 或 Colab 中复现“健康食品”的完整界定流程。






