R^3：基于群体相对经验提取器和课程强化学习的广告合规整改

严格的内容审核对于在线广告至关重要，但会导致每天数百万次的拒绝。这种规模使得手动整改不可行，尤其是对于视频广告。然而，现有的安全驱动方法常常遭受激进过度编辑的困扰，这仅仅为了满足合规性而损害了广告商的原始语义意图。在这项工作中，我们针对视频广告中的文本违规整改，涵盖语音转录和屏幕文本。我们提出了R^3，一个旨在协调合规性与原始语义意图保留的新颖框架。我们的方法整合了三个关键创新：（1）一个经验驱动的数据合成框架，通过群体相对合规经验提取器引导高质量监督；（2）一个具有分层奖励的课程强化学习策略，旨在强制合规同时最大化语义一致性；（3）一个全面的视频整改框架，无缝集成文本识别、重写和重新渲染，用于工业部署。在工业数据集和在线A/B测试上的大量实验表明，R^3显著优于最先进的基线，在违规整改和意图保留之间实现了最佳权衡。