Meta的内容审核战场，人类正在大规模撤退。近一半人工审核请求已经被**大语言模型**接管，并计划在年底前将部分内容类型的审核比例提升到90%以上。Meta官方强调这是技术进步，而非成本驱动——声称其AI模型在3月的测试中，错误率比人类低了13%，还能多揪出10%的违规内容。数字很漂亮，但故事还有另一面。
就在Meta展示成绩单的同时，其内部员工发出了警告：模型的“误伤”并没有消失，反而因为部署太快而难以被及时纠正。无害的内容被移除或限流，缺乏足够的人类监督让质量控制悬在空中。更现实的是，这场**自动化审核**的闪电战，已经导致了外包审核员的裁员。技术承诺的“更优”与现实发生的“误判与失业”，正在管理层的PPT和基层的工位上捉对厮杀。此外，Meta已悄然将审核引擎从谷歌的Gemini换成了自研的**Muse Spark**，这个新基础模型正是基于人类审核员海量的历史决策数据训练而成。
这或许揭示了Meta押注的终极逻辑：用历史的数据，训练一个没有疲劳、永不抱怨的“超级审核员”。但当这个审核员开始批量接管决策，它的每一次“误判”都不再是孤立的事件，而可能成为一个系统性的、无人负责的信任裂隙。追求极致的效率是企业的本能，但当效率的代价转嫁给用户体验和员工生计时，这场用AI进行的“数字清洁”，其最终清洗掉的，恐怕不止是违规内容。
