研究以MLLM替代人工标注19422条有害YouTube视频

Claire Wonjeong Jo 等在 arXiv 论文（2411.05854v2）中提出一套在线伤害分类体系，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，并整理了 19,422 条潜在有害 YouTube 视频。 团队由 GPT-4-Turbo、未训练众包者和受训标注者对视频进行二分类与多标签标注，系统测试多模态大语言模型（MLLM）作为有害视频替代标注者的方法。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。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。