AI商品图文一致性校验定制：多模态对齐与错配定位

在零售电商场景中，商品主图、标题与属性表不一致，是退货与投诉的高频诱因。我们在实验室搭建了一条离线校验链路：先用视觉编码器抽取主图与细节图中的品类、颜色、材质、数量等可判读特征，再与标题、属性、详情页文本做跨模态对齐，输出一致性分数与具体错配位置（例如标题标注“真皮”、而主图纹理判为PU）。

进展与数据：

• 首轮在约1.2万条在架商品上做回放测试，图文错配召回率约86%，误报集中在反光与复杂背景导致的材质误判；
• 引入属性白名单与类目先验后，误报下降约三成，单条目人工复核量从平均1.8次降至0.6次。

下一步计划：将校验结果接入上架前卡点，按类目分级设置阈值，并补充商家申诉回流样本，形成“判定—复核—回流”的闭环。当前定位仍以辅助审核为主，不触发自动下架，避免误伤正常商品。