近日，加拿大承克里亚大学研究团队成功研发出一种基于人工智能的网络有害内容检测系统PPO-CIS，该系统在识别精度与处理速度上均显著优于现有主流工具。针对社交平台每日海量内容审核的计算瓶颈，该框架采用多级级联推理架构与强化学习机制，通过动态奖励与惩罚策略平衡运算效率，并支持各平台自定义审核标准。其核心流程分为三层：初始模型快速粗筛过滤安全内容；潜在有害信息转入次级模型进行深度精准判定；最终疑似内容交由人工审核员把关。该架构同时整合多款模型以实现优势互补。测试数据显示，在大型毒性数据集验证下，PPO-CIS的准确率较传统方法提升百分之二点一，吞吐量高达每秒三百八十四条样本，约为行业平均水平的九倍，全面超越早期同类系统。研究团队指出，该框架的低延迟与高可靠性将极大助力社交平台高效满足各地严格的网络内容合规时限要求。相关研究成果已正式发表于《Knowledge-Based Systems》期刊。