以人为本的 AI 需拥抱歧义性：从单一基准真相转向建模多重人类判断

针对以人为本的 AI 任务，研究者提出应改变传统机器学习假设单一基准真相的做法，转向建模合理人类判断的解释空间，同时区分有意义的歧义与标注噪声。传统方法将标注差异简单聚合或视作噪声，容易忽略人类感知与经验的多样性。该视角应贯穿 AI 系统的表征、学习、评估、部署及治理全流程。