PulseAugur
实时 10:06:44
English(EN) Auditing Exposure to Harmful Content on TikTok using Multimodal Language Models: A Cross-National, Age-Stratified Study

多模态大语言模型被用于审计跨国TikTok有害内容

一篇新发表在arXiv上的研究详细介绍了一种使用多模态大语言模型(MLLMs)审计TikTok有害内容暴露情况的方法。研究人员发现,在分析视频帧和文本时,Gemini 2.5 Flash在所测试的LLMs中表现最佳。该研究在法国、意大利和瑞典的不同年龄组中使用了代理账户,揭示与被动浏览相比,关键词搜索显著提高了有害内容的检测率,尽管这种效果是暂时的。在被动浏览条件下,意大利所有年龄段的有害内容暴露率最高。 AI

影响 为审计在线平台安全性和不同人口统计群体及地区的暴露内容提供了一种可扩展的方法。

排序理由 学术论文,详细介绍了一种新的内容审计方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

多模态大语言模型被用于审计跨国TikTok有害内容

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Hamidreza Saffari, Francesco Pierri ·

    使用多模态语言模型审计TikTok有害内容暴露情况:一项跨国、分年龄层研究

    arXiv:2608.17583v1 Announce Type: new Abstract: Online video platforms can expose young users to harmful content, but independent audits remain difficult because video annotation is costly and moderation judgments vary across languages. We audit TikTok in France, Italy, and Swede…