情节中的似曾相识：利用检索增强大语言模型的跨会话证据进行直播风险评估
人工智能
2026-05-25 v2
摘要
直播的兴起改变了在线互动，实现了大规模实时参与，但也使平台面临复杂的风险，如诈骗和协同恶意行为。检测这些风险具有挑战性，因为有害行为往往逐渐累积并在看似无关的直播流中反复出现。为解决此问题，我们提出用于直播风险评估的 CS-VAR（跨会话证据感知检索增强检测器）。在 CS-VAR 中，一个轻量级、领域特定的模型执行快速的会话级风险推断，在训练期间由一个大型语言模型（LLM）引导，该 LLM 对检索到的跨会话行为证据进行推理，并将其从局部到全局的洞察传递给小模型。这种设计使小模型能够识别跨流重复出现的模式，执行结构化风险评估，并保持实时部署的效率。在大规模工业数据集上的广泛离线实验，结合在线验证，证明了 CS-VAR 的当前最优性能。此外，CS-VAR 提供了可解释的、局部化的信号，有效地赋能了直播的真实世界内容审核。
引用
@article{arxiv.2601.16027,
title = {Deja Vu in Plots: Leveraging Cross-Session Evidence with Retrieval-Augmented LLMs for Live Streaming Risk Assessment},
author = {Yiran Qiao and Xiang Ao and Jing Chen and Yang Liu and Qiwei Zhong and Qing He},
journal= {arXiv preprint arXiv:2601.16027},
year = {2026}
}
备注
SIGIR'26 Full Paper