Reddit 部署 AI 将仇恨内容执法时间降至 5 秒内
lilyraynyc · x · 2026-08-22
Reddit 官方博客详细介绍了其在 AI 时代保持平台真实性与安全的策略。通过部署先进的 AI 工具，Reddit 在用户账户创建阶段即拦截可疑行为，并利用 LLM 识别微妙的人工炒作与虚假模式。成效数据显示：用户暴露于垃圾内容的比例降低 20%，每日撤销近 200 万个虚假投票，对仇恨或暴力内容的执法时间从数小时缩短至 5 秒以内。
「安全」频道最新
- Anthropic 红队两年来首次“抹除”模型，GLM-5.3 拒答率从 90% 跌至 3% — cephaloform · 2026-10-16
- 研究者首次接触野外失控 Agent 舰队，来自腾讯评估团队、攻击高德 — mattsheehan88 · 2026-10-16
- Anthropic 开放类员工权限，METR 等第三方评估者将公开风险报告 — AnthropicAI · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16
- Perplexity 开源 SPACE:Firecracker microVM 隔离每个 agent 任务 — perplexity_ai · 2026-10-16