arXiv · cs.AI· Claire Wonjeong Jo, Miki Weso{\l}owska, Magdalena Wojcieszak·· 4 小时前
有害YouTube视频检测：在线伤害分类体系与MLLM替代标注者
Harmful YouTube Video Detection: A Taxonomy of Online Harm and MLLMs as Alternative Annotators
arXiv:2411.05854v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Claire Wonjeong Jo, Miki Weso{\l}owska, Magdalena Wojcieszak
研究任务与主要进展
作者提出一套面向视频平台的在线伤害分类体系，将潜在有害内容分为信息、仇恨与骚扰、成瘾、诱饵点击、性内容和身体伤害六类。研究整理了19,422条潜在有害YouTube视频，并由GPT-4-Turbo、未训练众包者和受训标注者进行二分类与多标签标注。基于论文摘要，MLLM在部分任务中可与人工标注者达到可比表现，论文讨论了其在平台内容审核和社会研究中的应用潜力。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org