Meta在2025年已用大语言模型替换约一半人工审核请求，计划年底前将部分内容类型的AI审核比例提升至90%以上，每年节省数十亿美元。Meta否认成本动机，称自3月测试显示其模型错误率比人类低13%，且多捕捉10%违规。但员工指出模型仍会移除或限流无害内容，缺乏足够监督，快速部署已导致外包裁员。此外，Meta已从使用Google Gemini转向自家新基础模型Muse Spark，该模型基于人工审核员的历史决策训练。
Meta用LLM替换人类审核已过半，年底目标90%以上，员工警告误删和裁员同步发生。AI审核的规模跃迁背后，质量控制争议可能成为社会信任的节点。
据《金融时报》报道，Meta 在 2025 年已用大语言模型取代了约半数人工审核请求，并计划在今年年底前将部分内容类型的这一比例提升至 90% 以上。预计这一转变每年将为公司节省数十亿美元。Meta 对成本论据提出异议，转而强调质量，称自 3 月以来的测试显示，其语言模型在执行内容政策时比人类少犯 13% 的错误，同时多发现 10% 的实际违规行为。与难以处理讽刺或语言演变问题的传统机器学习分类器不同，这些语言模型据称能更好地把握细微差别并覆盖更多语言。
员工则描绘了另一番景象。一位内部人士表示，这些模型仍会移除或隐形限制无害内容，且如此快速的部署缺乏足够的监督。这一转变已导致裁员，尤其波及外部承包商。
据《金融时报》报道，幕后还发生了一次模型更换。Meta 此前一直使用谷歌的 Gemini 进行审核与支持，但近期已告知员工改用其内部名为 Muse Spark 的新基础模型。这些模型基于人工审核员过往做出的决策进行训练。
来源：The Decoder：AI News（RSS） · the-decoder.com
Meta在2025年已用大语言模型替换约一半人工审核请求，计划年底前将部分内容类型的AI审核比例提升至90%以上，每年节省数十亿美元。Meta否认成本动机，称自3月测试显示其模型错误率比人类低13%，且多捕捉10%违规。但员工指出模型仍会移除或限流无害内容，缺乏足够监督，快速部署已导致外包裁员。此外，Meta已从使用Google Gemini转向自家新基础模型Muse Spark，该模型基于人工审核员的历史决策训练。
据《金融时报》报道，Meta 在 2025 年已用大语言模型取代了约半数人工审核请求，并计划在今年年底前将部分内容类型的这一比例提升至 90% 以上。预计这一转变每年将为公司节省数十亿美元。Meta 对成本论据提出异议，转而强调质量，称自 3 月以来的测试显示，其语言模型在执行内容政策时比人类少犯 13% 的错误，同时多发现 10% 的实际违规行为。与难以处理讽刺或语言演变问题的传统机器学习分类器不同，这些语言模型据称能更好地把握细微差别并覆盖更多语言。
员工则描绘了另一番景象。一位内部人士表示，这些模型仍会移除或隐形限制无害内容，且如此快速的部署缺乏足够的监督。这一转变已导致裁员，尤其波及外部承包商。
据《金融时报》报道，幕后还发生了一次模型更换。Meta 此前一直使用谷歌的 Gemini 进行审核与支持，但近期已告知员工改用其内部名为 Muse Spark 的新基础模型。这些模型基于人工审核员过往做出的决策进行训练。
来源：The Decoder：AI News（RSS）· the-decoder.com