一次 AIGC 图片筛选流程的实验记录

背景

一个生成式图片流程每天产出几百张候选图，人工初筛成本太高。实验目标：用多模态模型做第一道筛选，把人只看通过率约 30% 的候选。

样本：连续三天的人工标注结果共 612 张（通过 214 / 淘汰 398）作为基准。模型对每张图给出 pass 或 reject 加一句理由，与人工结论对比。

比较两种提示词策略：

# 策略 A：整体评分
请为这张图的可用性打分（0-10），7 分以上视为通过。

# 策略 B：分项否决
依次检查以下五项，任一项不通过即整体淘汰：
1. 主体是否完整无裁切
2. 是否存在多余肢体或物体
3. 文字区域是否可读
4. 风格是否与参考一致
5. 构图是否留出标题空间

策略	准确率	误放（该杀没杀）	误杀（该放没放）
A 整体评分	71%	19%	10%
B 分项否决	84%	8%	8%

策略 B 明显更好，而且错误结构更均衡。直觉解释：整体评分让模型把「好看」和「可用」混为一谈，而分项检查强迫它逐项调用具体标准——这和人类评审时「先过 checklist 再谈感觉」是同一个道理。

让模型打模糊的分数，它给出的往往是模糊的自信。