零售退货环节里，责任归属长期依赖人工看图和客服备注。判错一次的成本不只是退款，还包含商家申诉与平台罚则。我们围绕这一环节做了一组实验：把退货申请的文字描述、买家上传的图片、订单物流节点与商品规格参数拼成一条证据链，交由多模态模型完成归因，输出「质量问题 / 尺寸不符 / 物流破损 / 主观不喜欢 / 疑似调包」等标签，并附带可核验的理由片段供客服复核。
- 进展：在自建的 1.2 万条脱敏退货工单上，五分类归因的 Top-1 一致率约 81%；「物流破损」与「质量问题」的混淆最突出，引入外包装签收照片作为对照后，这两类区分度提升约 9 个百分点。
- 下一步：将归因结果回流至商品详情页的尺码表与主图，验证前置降退效果；同时测试跨类目迁移时是否需要单独校准阈值。
需要说明的是，该实验的目标是给出可解释的候选归因，而非替代人工裁决。
评论