AI商品图文一致性校验定制：多模态对齐与分级

商品主图、详情图文案与实际售卖内容不一致，是零售电商退货与投诉的常见诱因，也是人工审核最难规模化覆盖的环节。本阶段实验尝试用多模态对齐替代关键词规则：以类目内商品为单元，将主图、详情图与标题/卖点文本分别编码，通过对比学习拉近真实对应样本、推远同款不同色、赠品错配、规格张冠李戴等难负样本，输出图文一致性分数与差异定位（如主图标注“买一送一”而文案未提及）。

进展方面：在 3 个类目约 1.2 万条内部商品样本上，按分数分为拦截、人工复判、放行三档，拦截档抽检准确率约 88%，复判档承担了主要流量，整体人工工作量较原有关键词规则下降约四成；对服饰类同款异色的误报仍偏高。

下一步计划：一是引入类目属性表作为结构化约束，抑制颜色、尺寸类误报；二是把校验对象从静态图文扩展到直播切片封面与口播文案，验证同一套对齐模型在动态素材上的迁移成本。