跨直播会话风险检测新模型：CS-VAR
研究人员提出CS-VAR，利用跨会话检索增强LLM训练轻量级检测器，提升直播风险识别效率与可解释性。
AI解读：直播平台上的诈骗或协同恶意行为往往不是单场直播内突发，而是跨多个看似无关的直播逐步累积、重复出现。CS-VAR针对这一特点，在训练阶段让大语言模型（LLM）检索并推理跨会话的行为证据，再把这种从局部到整体的判断能力迁移给一个轻量级专用模型。这样，小模型在实时推理时既能识别跨直播的重复模式，又保持低延迟。对平台风控团队来说，这意味着不需要为每场直播都调用昂贵的LLM，也能获得接近大模型效果的检测，同时CS-VAR提供的可解释信号帮助审核人员理解为什么某场直播被标记。不过，效果数据目前仅来自论文的离线实验和在线验证，实际部署规模、误报率等细节需以正式论文为准。
来自arXiv的论文（编号 2601.16027v3，SIGIR'26 Full Paper）提出CS-VAR（Cross-Session Evidence-Aware Retrieval-Augmented Detector，跨会话证据感知检索增强检测器），用于直播风险评估。该系统由一个轻量级领域专用模型在线执行快速风险推断，训练时借助大语言模型（LLM）在检索到的跨直播会话行为证据上进行推理，并将这种从局部到全局的识别能力迁移给小模型，使小模型能够识别跨直播重复出现的风险模式、进行结构化风险评估。论文称，在大型工业数据集上的离线实验和在线验证显示CS-VAR达到当前最优性能，且能提供可解释、局部化的风险信号，支持实际直播审核。