Meta短视频审核智能体

Meta工程师Aditya Gautam披露了针对1亿+规模短视频的专用多智能体审核系统，旨在解决“模态错位”与“原创性归因”两大完整性危机。该系统摒弃通用大模型，转而采用由感知者（Perceiver）、检索者（Retriever）和审查者（Reviewer/Reasoner）组成的协作架构，通过小型视觉语言模型（VLM）的特化训练、知识蒸馏及4-bit量化，在确保检测精度的同时大幅降低单位算力成本。

【背景】随着生成式AI工具普及，创作者可通过微调镜像、替换音频等手段低成本复制爆款视频，导致原创者收益流失；同时，“标题党”或中途插入违规广告等模态不一致现象频发，传统基于单一标签的分类模型难以应对跨模态时序异常。

Gautam指出，通用前沿模型虽能处理广泛任务，但在特定领域存在数据分布偏差且成本高昂。Meta的方案将问题分解：感知者负责将视频切分为语义片段并提取OCR、嵌入向量等结构化元数据；检索者在离线集群中维护倒排索引、向量库及图数据库以追踪相似内容与实体关系；审查者则融合实时用户反馈（如举报、评论情绪）进行最终判定。这一架构强调“节点级评估”，不仅关注最终分类结果，还监控推理质量、鲁棒性及Token效率。

与此同时，TikTok团队在2026年Web Conference上提出了一种互补思路：利用多模态LLM智能体自动发现现有政策未覆盖的新兴违规模式（如AI生成的恐怖谷效应食物视频），并通过聚类自动生成更新后的标注策略，将人工发现周期从数月缩短至数天，使问题视频浏览量下降约15%。两家公司均表明，未来内容治理的核心竞争力不在于模型参数量，而在于对生产经济学约束下的任务分解能力与自适应迭代机制。