RAVEN++：基于主动强化推理的广告视频精细化违规定位
机器学习
2025-11-25 v1 计算与语言
摘要
广告（Ad）是数字经济的基石，但视频广告的审核仍面临复杂性和精准违规定位的挑战。虽然近期诸如RAVEN模型等方法在粗粒度违规检测方面取得进展，但在细粒度理解、可解释性和泛化能力方面仍存在关键缺口。为此，我们提出RAVEN++，一个新型框架，引入三项关键创新：1）主动强化学习（RL），动态适应难易程度不同的样本；2）细粒度违规理解，基于层次化奖励函数和推理蒸馏实现；3）渐进式多阶段训练，系统性地结合知识注入、基于课程的被动RL和主动RL。大量实验表明，在公共数据集和专有数据集上，分别在离线场景和在线部署A/B测试中，RAVEN++在细粒度违规理解、推理能力和泛化能力方面均优于通用LLM和专用模型如RAVEN。
引用
@article{arxiv.2511.19168,
title = {RAVEN++: Pinpointing Fine-Grained Violations in Advertisement Videos with Active Reinforcement Reasoning},
author = {Deyi Ji and Yuekui Yang and Liqun Liu and Peng Shu and Haiyang Wu and Shaogang Tang and Xudong Chen and Shaoping Ma and Tianrun Chen and Lanyun Zhu},
journal= {arXiv preprint arXiv:2511.19168},
year = {2025}
}
备注
EMNLP 2025 (Oral, Industry Track)