给病理切片里的细胞贴标签时，AI 可以先猜，但专家不可能逐个复核；只挑模型最没把握的看，又可能漏掉那些“很自信地答错”的样本。CARED 的做法是留出一笔固定复核预算，按已知概率随机抽取每批细胞交给专家，再用这些结果持续调整哪些 AI 标签可以直接放行。
它借助保形推断——用校准数据给预测附上误差保证——为每个细胞生成候选类型集合：集合只有一个类型时自动通过，否则把候选列表交给专家。随机抽查让反馈能代表整批数据，因此即使不同切片区域的细胞组成和形态不断变化，也不必假定前后数据分布稳定。作者证明，这套更新规则能控制全部数据流以及未被抽查部分的长期累计错误；还可按细胞类型分别控制，避免少见类型被总体平均数掩盖。
作者在胰腺、肺和卵巢数据流，以及一条来自真实专家标注的数据流上报告，累计错误保持在目标水平，同时有一部分细胞绕过专家复核。论文原文在所给材料中未保留具体比例，因此这里不引用效率数字。