从静态分析到受众传播：无需训练 多模态争议检测多代理框架

多模态争议检测 (MCD) 识别视频中的争议内容及其相关的用户评论，以支持社交视频平台的风险管理。先前的研究将 MCD 定义为静态表示学习任务，直接从视频及其相关评论中提取特征。然而，这些方法无法捕捉不同受众群体的不同观点和评价。受到受众之间内容传播的现实世界过程的启发，我们提出了 AuDisAgent，一个 无需训练 多代理框架，它将 MCD 重新表述为动态传播过程。我们的框架通过结构化多代理系统明确地模拟受众传播。首先，三个专门的筛选代理（视频代理、评论代理和交互代理）分别从视觉、文本和跨模态角度进行初步评估。对于三个代理无法达成共识的样本，将激活观看小组代理来模拟具有不同背景和立场的观众之间的放映后讨论。该机制模拟了不同受众群体对同一内容的解读和反应，揭示传播过程中可能出现的潜在争议内容。最后，仲裁代理根据前面步骤的完整推理链做出最终判断。此外，为了解决新发布的视频评论很少或没有评论的“冷启动”场景，我们设计了评论引导策略，利用语义相似视频的历史公众评论作为初始评论上下文。对公共数据集的大量实验表明，我们的框架在丰富评论和有限评论场景中都显着优于现有的最先进（SOTA）方法。