arXiv · 机器人与计算机视觉· Claire Wonjeong Jo, Miki Weso{\l}owska, Magdalena Wojcieszak·· 2026-10-19AI 评分15
MLLMs 作为有害 YouTube 视频标注替代方案:在线伤害分类体系与 GPT-4-Turbo 对比研究
Harmful YouTube Video Detection: A Taxonomy of Online Harm and MLLMs as Alternative Annotators
AI 导读
针对视频平台有害内容检测难题,研究构建了涵盖信息、仇恨、成瘾等六类的在线伤害综合分类法,并系统测试多模态大语言模型(MLLMs)作为标注替代方案。基于 19,422 个 YouTube 视频的 GPT-4-Turbo 与人工标注数据集显示,MLLMs 在二分类及多标签任务中表现可与人类标注员媲美,为平台内容审核与社会科学研究提供新路径。
来源:arXiv · 机器人与计算机视觉 · arxiv.org