在零售电商场景中，商品标题、主图、详情页与属性表常由不同角色维护，图文不一致会直接带来搜索错配、退货率上升与平台处罚。本阶段实验把问题拆成三步：先抽取主图与详情图中的商品主体区域，再与标题、类目属性做跨模态对齐，最后按不一致类型给出风险分级。
与单纯做图片分类不同，我们更关注「可解释的差异」。模型输出的不是合规与否的二分类结果，而是具体差异项，例如颜色描述与主图色系不符、规格单位缺失、赠品信息仅出现在详情页。判定规则与模型打分采用并联关系：硬性规则（禁售词、类目资质）直接拦截，语义差异交由模型评分。
要点：
- 进展：在3个类目约1.2万条商品样本上完成离线评测，图文不一致召回率约87%；误报集中在多SKU共用主图的场景，已通过引入SKU与主图映射关系缓解。
- 下一步：接入商家上架前的实时校验接口，将结果以「修改建议」而非「驳回理由」的形式返回，并跟踪建议采纳率与二次提交通过率。
评论