GH-ESD提出一种基于假设驱动与验证的框架，用于发现实例级视觉任务（如检测和分割）中的错误切片。它利用大语言模型生成关系性失败假设，并通过视觉语言模型和统计验证进行确认。研究还引入GESD基准数据集，实验显示该方法在检测任务上显著优于现有方法，并能提供可解释的改进建议。

在数据科学项目中，建模和评估阶段至关重要。应专注于20%的关键技术，避免过多模型浪费时间。使用假设驱动建模，选择反映实际影响的评估指标。部署时简化流程，确保与业务需求对接，关注结果而非复杂性。