大模型能否胜任社交内容审核：基于真实规则与先例范式的评测

研究者基于 Bluesky 的 4,000 条真实图文构建 ModerationBench，对比视觉语言模型依赖条文推理与参照先例泛化两种审核范式。基础模型的 F1 分数达到 0.60，接近平台现有系统（0.22）的三倍，两种范式峰值表现相当。复杂的社区规范，在模型的多模态理解中找到了初步落地的尺度。