Meta公司近日宣布,已开始在全球推广其Meta AI助手工具,该工具可处理密码重置、举报可疑内容、解释内容下架原因及申诉处理、管理隐私设置等任务。测试结果显示,AI在内容审核方面的表现超越了人工审核员。
AI内容审核成效显著
Meta表示:"未来几年,我们将在各个应用中部署更先进的AI系统,彻底改变内容执法方法,更准确地发现和清除诈骗、非法内容等严重违规行为,让用户看到更少此类内容。"
早期实验已取得令人鼓舞的结果。一项AI工具每天检测并阻止了5000次试图诱骗用户泄露密码的诈骗行为,而Meta的人工团队无法检测到这些诈骗。另一项AI技术帮助将用户对虚假名人档案的举报数量减少了80%以上。其他测试则使成人性诱导内容的检测率提高了一倍。
Meta称其AI还能"通过注意到账户突然从新位置访问、密码被更改、档案被编辑来防止账户被接管"。公司表示,这些变化"对审查账户的人来说看起来无害,但AI能够识别为威胁"。
尽管如此,这一观察结果显得有些奇怪,因为许多企业安全产品都能检测"不可能旅行"情况,比如单个用户从伦敦登录,一小时后从旧金山请求密码重置,并将其标记为可能的攻击。
AI技术在广告审核方面也表现出色。Meta表示,AI能"通过注意到真实标识与异常低价格和可疑网址一起使用,检测出冒充知名体育用品商店的虚假网站"。AI技术使包含诈骗和其他严重违规行为的广告浏览量下降了7%,为用户和品牌提供了更好的保护。
不过,虽然结果令人欣慰,但虚假广告本来就是一个已知问题,而Meta对此往往漠不关心。
告别元宇宙转向AI
Meta向AI进军的同时,也宣布放弃元宇宙这一沉浸式在线社区愿景。周三,公司宣布关闭其元宇宙平台Horizon Worlds。
这一决定意味着Meta Quest VR眼镜用户可消费的内容将大幅减少。公司后来收回了这一决定,承诺继续提供一些沉浸式环境,但表示不会创建新环境。
Meta采用现在的名称是为了反映创始人马克·扎克伯格对元宇宙是下一个重大机遇的信念,公司在五年内为这一雄心投入了超过800亿美元。在这期间,Facebook和Instagram的内容审核表现糟糕,儿童经常受到公司产品的伤害。
公司现在计划开发被称为"超级智能"的技术,并将再投入数百亿美元来实现这一目标。
Q&A
Q1:Meta AI助手具体能做什么?
A:Meta AI助手可以处理多项用户服务任务,包括密码重置、举报可疑内容、解释内容下架原因及处理申诉、管理隐私设置等。它还能检测诈骗行为、虚假档案和违规内容,在内容审核方面表现超越人工审核员。
Q2:Meta的AI内容审核效果如何?
A:测试结果显示效果显著。AI工具每天能检测并阻止5000次诱骗用户泄露密码的诈骗行为,将虚假名人档案举报减少80%以上,成人性诱导内容检测率提高一倍,包含诈骗的广告浏览量下降7%。
Q3:Meta为什么要从元宇宙转向AI?
A:Meta在元宇宙投入超过800亿美元但效果不佳,最终宣布关闭Horizon Worlds平台。同时,AI技术在内容审核等方面表现出色,公司现在计划开发"超级智能"技术,并将投入数百亿美元。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。