淘宝秒杀以多模态模型分级审核与巡检商品

在秒杀『高频迭代、节奏紧凑、供给海量』的场景下，团队构建覆盖商品全生命周期的 AI 审核：基于多模态 AI 模型对报名商品做风险自动分级（自动通过/驳回），并对在团商品实时巡检类目错挂、sku 低价引流、素材风险、蹭大牌等健康度指标、对劣质商品自动预警或下架。经微调、MoE 等能力建设与优化，已做到 AI 全自动审核，准确率 95.7%、召回率 99.1%，在每天需审核 2-3w 报名商品的场景中为小二带来 80% 以上审核效率提升，并可识别未定义的潜在问题。 团队把提示词工程升级为上下文工程，并针对秒杀 AI 审核建设两项能力：一是历史审核案例库，沉淀历史审核优秀案例存入向量数据库，对当前审核商品做图片、标题等维度的相似性向量检索，召回最佳案例供大模型参考，为 AI 审核带来 8% 左右准确率提升；二是混合审核决策，建设多模型投票和置信度机制，引入水位有差异的多模型进行多次判断、将投票结果给大模型参考，在结论一致且置信度较高时为 AI 审核带来 10% 以上准确率提升。