零售退货环节的凭证形态高度分散：开箱视频、聊天截图、商品实拍、物流面单混在一起。人工判责通常需要数分钟一单，且不同客服的结论口径并不一致。
我们在实验室搭了一条多模态判责链路：先用视觉模型抽取商品实拍中的外观缺陷与包装状态，再对聊天记录做意图与承诺抽取（如「包退」「不影响二次销售」），随后与订单、物流节点做时间对齐，输出责任归属候选及置信度。低于阈值的工单自动进入人工复审队列，并要求客服在复审时补全判据字段，反哺训练集。
阶段进展：
- 在鞋服、3C 两个类目的离线评测中，责任归属与人工结论一致率约 82%，退款分级建议采纳率约 67%；
- 有效做法是先区分「凭证缺失」与「凭证矛盾」：前者走补件流程，后者才升级人工，可显著压低复审量。
下一步计划引入退货原因文本与用户历史行为序列，验证对高频调包、恶意退货的识别增益，同时把正常用户的误伤比例作为并列指标持续观察。
评论