LMM-Incentive: 基于大型多模态模型的用户生成内容激励设计
人工智能
2025-10-07 v1
摘要
Web 3.0 代表着互联网的下一代,被广泛认可为一个聚焦于价值表达和数据所有权的去中心化生态系统。通过利用区块链和人工智能技术,Web 3.0 为用户提供了前所未有的机会,使其能够创建、拥有和变现内容,从而使用户生成内容 (UGC) 达到全新的高度。然而,某些自利用户可能利用内容审查机制的局限性,生成努力较少的低质量内容,在信息不对称下获取平台奖励。这种行为会损害 Web 3.0 的运行。为此,我们提出了 \textit{LMM-Incentive},一种基于大型多模态模型 (LMM) 的 UGC 激励机制。具体而言,我们提出了一种基于 LMM 的合同理论模型,以激励用户生成高质量 UGC,从而缓解信息不对称下的逆选择问题。为了缓解合同选择后的潜在道德风险,我们利用 LMM 智能体评估 UGC 质量,该质量是合同的主要组成部分,通过提示工程技术提高 LMM 智能体的评估性能。鉴于传统合同设计方法无法有效适应 Web 3.0 的动态环境,我们发展了一个改进的基于混合专家 (MoE) 的近端策略优化 (PPO) 算法,用于最优合同设计。仿真结果表明,在合同设计背景下,我们提出的 MoE-based PPO 算法优于代表性基准。最后,我们将所设计的合同部署在以太坊智能合约框架中,进一步验证了该方案的有效性。
引用
@article{arxiv.2510.04765,
title = {LMM-Incentive: Large Multimodal Model-based Incentive Design for User-Generated Content in Web 3.0},
author = {Jinbo Wen and Jiawen Kang and Linfeng Zhang and Xiaoying Tang and Jianhang Tang and Yang Zhang and Zhaohui Yang and Dusit Niyato},
journal= {arXiv preprint arXiv:2510.04765},
year = {2025}
}