"我们知道B站之所以能够产生这么多好的作品，重要的原因就是社区里的用户有着对内容的热爱，并且有着对内容极高程度的审美。AI是可以放大B站社区这种识别优质内容的能力，现在社区每个月有170多亿次的真实用户的交互，这些数据在AI时代其实都是非常珍贵的真人标注，而且这些真人是整个中国对内容最有热情和最有审美鉴赏能力的人。"
哔哩哔哩2026年Q1财报电话会提到了上述内容。那么问题来了：能不能让AI学会像B站用户一样，在视频发布的第一时间就判断出它是否会获得社区共鸣？
今天我们介绍的 CASTER，就是在回答这个问题。这项工作已被 ACL 2026 Main Conference 收录，是bilibili Index LLM Team在UGC内容理解方向的最新成果。
代码链接：github.com/bilibili/me...
模型链接：huggingface.co/IndexTeam/M...
数据集链接：huggingface.co/datasets/In...
让AI学会「站在观众角度思考」
传统视频质量评估（VQA）看的是画面清不清晰、有没有压缩失真。但在B站社区里，一条视频好不好，靠的从来不是画质。一段画质普通但极具创意的手书，可能获得百万播放和满屏弹幕；一段4K高清的vlog，也可能因为内容空洞而无人问津。
UGC质量的本质是社区共识，而不是像素质量。
CASTER做的事情是：给定一条视频的多模态信息（封面、关键帧、标题、标签、ASR等），让AI模拟不同类型观众的反应，然后从这些模拟反应中推断出这条内容能不能获得社区认可。
Social-CoT：不是逻辑推理，是社会认知推理
Social-CoT是我们提出的核心推理机制。与传统CoT进行逻辑推理不同，Social-CoT进行的是社会认知推理：
第一步：实例化多元观众人设
模型需要想象不同类型的观众：资深爱好者、偶然路过的用户、对该领域感兴趣的新人、挑剔的老用户等。每个人设代表了社区中的一种典型视角。
第二步：模拟情感反应路径
对于每个观众人设，模型需要推理：这个人看完视频后会有什么感受？会被哪个片段打动？会想发什么样的评论？这不是简单的情感分类，而是深入的共情推理。
第三步：汇聚社区心智
综合所有模拟的观众反应，通过统计共识机制（Skellam Scoring）判断：这个内容是否能在社区层面产生正面共鸣？
这种"先模拟再判断"的结构，确保了最终的质量判断是从模拟的社区动态中因果推导出来的，而不是黑盒分类。下面是一个具体的Social-CoT示例：
MEDEA框架
更进一步，我们把Social-CoT落地为可训练的系统，设计了MEDEA（Multimodal Engagement-Driven Evaluation Architecture）框架：
阶段一：挖掘真实社区智慧
基于B站生态用教师模型 (Gemini) 将社区智慧转换成结构化的Social-CoT推理路径，最终构建了54K条标注样本。
阶段二：SFT让模型学会Social-CoT的结构
通过监督微调，模型学会将视觉线索（光线、剪辑节奏）和文本信息（标题、标签）与社会解读对齐。
阶段三：RL对齐人类社区标准
使用GRPO算法 + 四维复合奖励：
- 格式奖励：输出遵循结构化格式
- 标签奖励：预测正确性
- 认知多样性约束：防止模型生成重复评论，必须探索完整分布
- 社会对齐奖励：模拟评论与真实高赞评论的语义相似度
其中社会对齐奖励是关键创新，没有它，模型会退化为生成「好美啊」「太棒了」这样的空泛模板；有了它，模型能生成具体且富有共情的解读，比如将冰岛vlog中风吹发丝的画面解读为「原始自然力量的震撼」。
CASTER-Bench：社区共鸣基准
为支持CASTER任务，我们发布了CASTER-Bench：
-
1485条UGC视频，覆盖30个主要内容品类（生活、知识、游戏、美食、科技、舞蹈等）
-
平均时长442秒（总时长182.5小时），远超现有VQA数据集的8-10秒短片
-
多模态信息完整：视频内容、封面图、标题、标签、分区、ASR
实验：全面超越GPT-5.2和Claude-4.5-opus
在CASTER-Bench上，MEDEA全面超越所有四类基线方法。
高质量类别（最关键指标）：
-
MEDEA：F1 = 0.650，精确率 = 0.603，召回率 = 0.705
-
最强基线（GPT-5.2 reasoning）：F1 = 0.555
-
提升幅度：+17.1%
各类基线的失败模式分析：
传统VQA方法（FastVQA、DOVER、MaxVQA等）：
-
高质量F1仅0.33-0.41，几乎完全失效
-
原因：它们评估的是画面质量而非内容质量，信号层面的分析无法捕捉社区共鸣
标准大模型（GPT-5.2、Claude-4.5-Opus）：
-
召回率极高（>90%）但精确率极低（~30%）
-
原因："慷慨偏差"：通过长上下文推理能在任何视频中找到优点，但缺乏区分"还行"和"真正优秀"的社会判断力
推理增强大模型（开启reasoning模式）：
-
有所改善但仍不够（最高F1=0.555）
-
原因：逻辑推理能力不等于社会认知能力
Social-CoT提示的旗舰模型：
-
直接用Social-CoT提示词（不微调）：F1=0.508
-
说明推理模式本身有帮助，但需要专门的训练才能真正内化"社区标准"
已在B站落地：更早发现优质内容
CASTER不只是一篇论文，它已经在B站的内容生态中实际部署运行。
通过将CASTER接入内容分发链路，系统能够在视频发布后的极早期（甚至在评论区形成之前），就识别出具有高社区共鸣潜力的优质稿件。这使得优质创作者的内容能更快地获得曝光，不再需要等待漫长的自然传播周期。
正如电话会议中提到："我们花了很多时间让AI理解什么是高质量内容，并在更早的阶段识别这些高质量内容。" CASTER正是这一愿景的技术实现。
开发者交流
CASTER将于2026年7月5日在美国San Diego进行Poster展示，现场还会发放MEDEA精美无料，欢迎大家来交流！
-End-
作者丨bilibili Index LLM Team