모델에게 정지 표지판을 알아보도록 가르치는 일은 쉽습니다. 정지 표지판이 무 엇인지 모두가 동의하기 때문입니다. 건강한 음식, 영감을 주는 예술, 오해를 부르는 광고를 알아보게 가르치는 일은 더 어렵습니다. 지시하는 사람조차 어려운 예를 보기 전까지는 자신의 기준선이 어디에 있는지 모르는 경우가 많기 때문입니다. CVPR 2026에서 발표되고 이제 오픈소스 코드로 공개된 Google Research의 Agile Deliberation은 바로 이 문제를 중심으로 만들어졌으며, 콘텐츠 규칙을 작성하거나 대규모로 이미지를 선별하는 사람에게 의미가 있습니다.
방법은 두 단계입니다. 먼저 사용자가 넓은 개념을 포함하는 것과 제외하는 것으로 나눕니다. 건강한 음식의 예에서는 샐러드, 곡물 볼, 저지방 단백질을 포함하고 가공식품과 조리하지 않은 날 재료를 제외합니다. 그다음 시스템이 그 문서화된 정의의 경계에 있는 이미지를 찾습니다. 예를 들어 날과일이면서 당분도 많은 과일 스무디입니다. 사용자가 사례마다 판단하면 자동 루프가 분류기의 프롬프트를 그에 맞게 다시 쓰므로, 정의와 분류기가 함께 바뀝니다.
연구는 회당 90분짜리 실시간 세션 18회로 진행되었고, 건강한 음식, 그리고 오해를 부르는 금전적·디지털 보상을 약속하는 게임 낚시성 이미지를 다루는 모더레이션 과제라는 두 개념을 사용했습니다. 비교 대상은 한 번만 작성한 프롬프트, 사용자에게 묻지 않고 개념을 분해하는 Google의 이전 시스템, 그리고 스프레드시트와 어림짐작 검색, 손으로 고친 프롬프트로 이뤄진 수작업 방식이었습니다. 블로그에 따르면 Agile Deliberation의 분류기는 세 가지 모두를 앞섰고 가장 어려운 이미지에서 개선 폭이 가장 컸으며, 수작업 편집은 정확도를 높이지 못하거나 오히려 떨어뜨리는 경우가 많았습니다. 노력과 스트레스는 유의미하게 줄었고, 모든 참가자가 수작업 방식보다 이것을 선호했습니다.
실무에서 중요한 것은 수작업 편집에 관한 발견입니다. 오늘날 많은 팀이 시각 언어 모델로 이미지를 분류하려고 긴 프롬프트를 쓰고, 실패가 나올 때마다 하나씩 고치면서 수정할 때마다 다른 부분이 망가질까 걱정합니다. Agile Deliberation은 뛰어난 모더레이터가 이미 하는 일, 즉 까다로운 사례로 규칙을 시험하는 일을 체계화하고, 그런 사례를 사람이 아니라 도구가 찾게 합니다. 코드는 건강한 음식 예제의 데모 노트북과 함께 Google의 google-research 저장소에 있습니다.
근거가 약한 부분도 있습니다. 블로그에는 정확도 수치 없이 그래프와 설명만 있고, 서로 다른 사람이 몇 명 참여했는지, 일부가 전문가였다는 것 외에 어떤 사람들이었는지도 밝히지 않습니다. 모든 주관적 범주에 쓰려는 방법을 시험하기에 두 개념은 범위가 좁습니다. 바탕이 된 모델의 이름도 나오지 않아 결과가 Google 자체 시스템에 얼마나 의존하는지 알 수 없습니다. 자세한 내용은 논문에 있지만, 다른 이들이 자신의 규칙으로 시험해 보기 전까지는 확립된 방식이 아니라 유망한 작업 흐름으로 보는 것이 맞습니다.