論文の概要: From Failure Taxonomy to Intervention: A Diagnostic Methodology for Industry-Scale AVLM in Video and Live-Streaming Platform Moderation

• arxiv url: http://arxiv.org/abs/2606.30059v1
• Date: Mon, 29 Jun 2026 09:52:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.171876
• Title: From Failure Taxonomy to Intervention: A Diagnostic Methodology for Industry-Scale AVLM in Video and Live-Streaming Platform Moderation
• Title（参考訳）: 失敗分類から介入へ:ビデオ・ライブストリーミングプラットフォームモデレーションにおける産業規模のAVLMの診断手法
• Abstract要約: 本稿では,産業規模のオーディオ・ビジュアル・ランゲージ・モデル AVLM 開発のための診断手法を提案する。 この方法論は、失敗を観測可能な障害シグネチャの分類にマッピングし、各障害のクラスを介入空間にリンクする。 このシステムは100以上のリージョンをサポートし、ノイズ、曖昧さ、高度に多様なコンテンツのために設計されている。
• 参考スコア（独自算出の注目度）: 11.226625816825484
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industry-scale video and live-streaming moderation imposes requirements that are difficult to satisfy with generic pretrained public models or external APIs, including adaptation to platform-specific data distributions, policy-specific objectives, and product-level safety constraints. As a result, platforms must undertake internal model development, naturally turning to shared public research for guidance. However, existing multimodal foundation-model studies primarily report architectures, training recipes, data scaling strategies, and benchmark results, but provide less systematic guidance on how failures should be localized and translated into targeted model-development interventions. Interventions are essential because deployment failures are rarely self-explanatory. Similar failures can originate from different causes. Without targeted interventions, improvement reduces to heuristic trial-and-error, where benchmark improvements are weakly attributable, and failures are difficult to trace to their underlying causes. To address this gap, we present a diagnostic methodology for industry-scale Audio-Visual-Language Models AVLM development. The methodology maps model failures into a taxonomy of observable failure signatures and links each class of failure to an intervention space. We instantiate this methodology across the development and alignment lifecycle of an AVLM foundation model for a large-scale video and live-streaming platform. The resulting system supports over 100 regions and is designed for noisy, ambiguous, and highly diverse content drawn from global platform traffic.
• Abstract（参考訳）: 業界規模のビデオとライブストリーミングのモデレーションは、プラットフォーム固有のデータ配信、ポリシー固有の目的、製品レベルの安全制約への適応など、一般的な事前訓練されたパブリックモデルや外部APIで満足できない要件を課している。 その結果、プラットフォームは内部モデル開発を行なわなければならない。 しかし、既存のマルチモーダル基礎モデル研究は主にアーキテクチャ、トレーニングレシピ、データスケーリング戦略、ベンチマーク結果を報告しているが、失敗をどのようにローカライズし、ターゲットとするモデル開発介入に変換するかについての体系的なガイダンスは少ない。 デプロイメントの失敗が自己説明的になることはめったにないため、介入は不可欠である。 同様の障害は、異なる原因から生じる可能性がある。 目標とする介入がなければ、改善はヒューリスティックな試行錯誤に還元される。 このギャップに対処するために,産業規模のオーディオ・ビジュアル・ランゲージ・モデル AVLM 開発のための診断手法を提案する。 この方法論は、失敗を観測可能な障害シグネチャの分類にマッピングし、各障害のクラスを介入空間にリンクする。 大規模ビデオ・ライブストリーミングプラットフォームのためのAVLMファンデーションモデルの開発とアライメントのライフサイクルを通じて,この方法論をインスタンス化する。 結果として得られたシステムは100以上のリージョンをサポートし、グローバルなプラットフォームトラフィックから引き出された騒々しい、曖昧で、非常に多様なコンテンツのために設計されている。

関連論文リスト

• DifferAD-R1: A Difference-Guided IndustrialAnomaly Localization with Multimodal LargeLanguage Models [35.130552547723596]
  産業の異常な地域化は、工業製品の領域を正確に特定し、異常な地域を特定することを目的としている。 伝統的な閉集合法は、しばしばクロスシナリオの一般化に苦しむ。 本稿では,産業的異常局所化に適したMLLM強化学習フレームワークであるDifferAD-R1を提案する。
  論文  参考訳（メタデータ） (2026-06-15T11:50:12Z)
• A Systematic Approach for Large Language Models Debugging [9.144050771609637]
  大規模言語モデル(LLM)は、オープンエンドテキスト生成から複雑なエージェントベースの推論に至るまで、現代のAIの中心となっている。 本稿では,モデルを可観測系として扱うLLMデバッグの体系的アプローチを提案する。 本手法は,評価,解釈可能性,誤り分析を統一することにより,モデルの弱点を反復的に診断することを可能にする。
  論文  参考訳（メタデータ） (2026-04-24T21:30:33Z)
• Reshaping Action Error Distributions for Reliable Vision-Language-Action Models [69.38615670891038]
  ロボット操作において、視覚言語アクション(VLA)モデルは、一般化可能でスケーラブルなロボットポリシーを学ぶための有望なパラダイムとして登場した。 連続動作型VLAモデルに焦点をあて、トレーニング中の動作誤差分布を再構成することにより、従来のMSEベースの回帰を超越する。 複数の代表的VLAアーキテクチャ上で、標準、少数ショット、ノイズの多い設定にまたがるアプローチを評価します。
  論文  参考訳（メタデータ） (2026-02-04T05:37:09Z)
• Hallucination Detection and Mitigation in Large Language Models [0.0]
  LLM(Large Language Models)とLRM(Large Reasoning Models)は、金融や法律のような高額な領域に変革をもたらす。 幻覚を起こそうとする傾向は、事実的に不正確な、または、サポートされていないコンテンツを発生させ、重大な信頼性のリスクを生じさせる。 本稿では,根本原因認識による継続的改善サイクル上に構築された幻覚管理のための包括的枠組みを紹介する。
  論文  参考訳（メタデータ） (2026-01-14T23:19:37Z)
• Puzzle it Out: Local-to-Global World Model for Offline Multi-Agent Reinforcement Learning [22.038062200642162]
  オフラインマルチエージェント強化学習(英語版) (MARL) は、事前収集されたデータセットを用いて、マルチエージェントシステムにおける協調的な意思決定問題を解決することを目的としている。 本稿では,予測不確実性によって合成データを適応的に重み付けし,ポリシーに対する近似誤差の伝搬を低減する不確実性対応サンプリング機構を提案する。
  論文  参考訳（メタデータ） (2026-01-12T12:17:11Z)
• EReLiFM: Evidential Reliability-Aware Residual Flow Meta-Learning for Open-Set Domain Generalization under Noisy Labels [85.78886153628663]
  Open-Set Domain Generalizationは、ディープラーニングモデルが新しいドメインで目に見えないカテゴリを認識できるようにすることを目的としている。 ラベルノイズは、ソースドメインの知識を損なうことによって、オープンセットドメインの一般化を妨げる。 本稿では,ドメインギャップを埋めるために,Evidential Reliability-Aware Residual Flow Meta-Learning (EReLiFM)を提案する。
  論文  参考訳（メタデータ） (2025-10-14T16:23:11Z)
• CLIP Meets Diffusion: A Synergistic Approach to Anomaly Detection [49.11819337853632]
  異常検出は、異常の定義の曖昧さ、異常型の多様性、トレーニングデータの不足による複雑な問題である。 識別的基盤モデルと生成的基礎モデルの両方を活用するCLIPfusionを提案する。 本手法は, 異常検出の多面的課題に対処する上で, マルチモーダル・マルチモデル融合の有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2025-06-13T13:30:15Z)
• Consistent World Models via Foresight Diffusion [56.45012929930605]
  我々は、一貫した拡散に基づく世界モデルを学習する上で重要なボトルネックは、最適下予測能力にあると主張している。 本稿では,拡散に基づく世界モデリングフレームワークであるForesight Diffusion(ForeDiff)を提案する。
  論文  参考訳（メタデータ） (2025-05-22T10:01:59Z)
• DRIVE: Dual-Robustness via Information Variability and Entropic Consistency in Source-Free Unsupervised Domain Adaptation [10.127634263641877]
  ラベル付きデータなしで機械学習モデルを新しいドメインに適応させることは、医療画像、自律運転、リモートセンシングといったアプリケーションにおいて重要な課題である。 Source-Free Unsupervised Domain Adaptation (SFUDA)と呼ばれるこのタスクでは、未ラベルのターゲットデータのみを使用して、トレーニング済みのモデルをターゲットドメインに適応させる。 既存のSFUDAメソッドは、しばしば単一モデルアーキテクチャに依存し、ターゲットドメインにおける不確実性と可変性に悩まされる。 本稿では、2重モデルアーキテクチャを利用した新しいSFUDAフレームワークDRIVEを提案する。
  論文  参考訳（メタデータ） (2024-11-24T20:35:04Z)
• Adapting Large Language Models for Content Moderation: Pitfalls in Data Engineering and Supervised Fine-tuning [79.53130089003986]
  大規模言語モデル(LLM)は、様々なドメインでタスクを処理するための実現可能なソリューションとなっている。 本稿では、コンテンツモデレーションのためにプライベートにデプロイ可能なLLMモデルを微調整する方法を紹介する。
  論文  参考訳（メタデータ） (2023-10-05T09:09:44Z)
• Consistency Regularization for Generalizable Source-free Domain Adaptation [62.654883736925456]
  ソースフリードメイン適応(source-free domain adapt, SFDA)は、ソースデータセットにアクセスすることなく、十分にトレーニングされたソースモデルを未学習のターゲットドメインに適応することを目的としている。 既存のSFDAメソッドは、ターゲットのトレーニングセット上で適用されたモデルを評価し、目に見えないが同一の分散テストセットからデータを無視する。 より一般化可能なSFDA法を開発するための整合正則化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-03T07:45:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。