摘要
本发明提供一种基于人机协作数据调试的人工智能模型优化方法，包括：(1)可解释的数据缺陷挖掘；以自动化可解释性算法对错误预测进行归因，再通过人类标注任务，标注“混杂概念”与“可靠概念”，以描述“模型学到了什么”，以及“模型应该关注什么”，将得到的“混杂集”和“可靠集”作为对预测错误的概念级归因；(2)数据调试与AI模型优化；以“混杂集”、“可靠集”为线索，构造提示词并输入文本‑图像生成模型合成调试数据；结合混杂概念和语义相似度对调试数据进行筛选，以筛选后的调试集和初始训练集构造增强集，重新训练以优化AI模型。本发明突破了传统数据调试方法在可解释性、全局一致性及噪声控制上的局限。
