论文
情节中的既视感：用检索增强LLM的跨会话证据进行直播风险评估
Deja Vu in Plots: Leveraging Cross-Session Evidence with Retrieval-Augmented LLMs for Live Streaming Risk Assessment
摘要
直播的兴起改变了在线互动，带来大规模实时参与，但也使平台暴露于诈骗与协同恶意行为等复杂风险。检测这些风险具有挑战性，因为有害行为常常逐步累积，并在看似无关的直播之间反复出现。为此，我们提出面向直播风险评估的 CS-VAR（Cross-Session Evidence-Aware Retrieval-Augmented Detector）。在 CS-VAR 中，轻量领域特定模型执行快速会话级风险推理，训练期间由大语言模型（LLM）引导，该 LLM 对检索到的跨会话行为证据进行推理，并把其局部到全局的洞见迁移给小模型。这一设计使小模型能够识别跨直播的重复模式、执行结构化风险评估，并保持实时部署的效率。在大规模工业数据集上的大量离线实验与在线验证相结合，证明 CS-VAR 的最先进性能。此外，CS-VAR 提供可解释、定位化的信号，有效赋能真实世界的直播内容审核。
