IPS：用于短视频内容审核的嵌入式过程监督
计算与语言
2026-05-05 v3 人工智能
摘要
多模态大语言模型（MLLM）在捕捉短视频内容语义方面效果良好，但常常无法注意到可靠内容审核所需的政策特定细节。为此，我们引入IPS框架，通过在微调期间引入对 Ancillary questions 的顺序推理，将嵌入式过程监督集成到MLLM中。IPS在公共和专有基准测试中 consistently 超过基线MLLM。此外，用MLLM生成的标签取代人工标注的 Ancillary labels 仅导致性能轻微下降，表明该方法对噪声监督具有鲁棒性，并且在模型生成标注方面具有强大的可扩展性。这些发现将IPS确立为大规模工业环境中复杂多模态分类的可扩展且高效的解决方案。
引用
@article{arxiv.2412.15251,
title = {IPS: In-Prompt Process Supervision for Short Video Content Moderation},
author = {Mingchao Liu and Yu Sun and Ruixiao Sun and Xin Dong and Xiang Shen and Hongwei Wang and Hongyu Xiong and Yang Song},
journal= {arXiv preprint arXiv:2412.15251},
year = {2026}
}
备注
7 pages(excluding reference and appendix), 8 figures