Roblox Sentinel是一个旨在检测潜在儿童危害早期迹象的人工智能系统，以便进行进一步的分析和调查。作为一个Python库实现，Sentinel 使用对比学习来处理传统分类器常常面临的高度不平衡的数据集，并且可以应用于广泛的用例。
由于样本的稀缺，传统分类器很难检测出稀有类别的内容，比如试图梳理儿童的情况，无害的对话远远超过了这种情况。例如，Roblox 表示，其生产系统只包含 1.3 万个有害样本对话，而无害样本可能有数百万个。
同样重要的是要理解，单个信息（例如，“你来自哪里？”）本身可能看起来无害，但在周围信息及其进展的上下文下，可能会暴露出有害的意图。
Roblox 工程师设计了一种特定的方法来克服这些挑战。
通过优先考虑召回率而不是精确度，Sentinel 作为一个高召回率的候选生成器，用于更彻底的调查。这种方法特别适用于需要识别罕见模式的应用。Sentinel 不是孤立地处理每条消息，而是分析消息之间的模式以识别相关的行为。
为了实现这一点，Sentinel 分析用户最近的消息，并根据嵌入相似性对它们进行评分。分数是通过测量每条消息与罕见类别和常见类别样本的接近程度，然后取罕见类别相似度与常见类别相似度的比率来计算的。
然后，Sentinel 聚合从同一来源计算出的最近消息的分数，以计算偏度，作为可疑模式存在的衡量标准。
正偏度表示一种模式，其中大多数内容都是常见的，但有足够的罕见类别相似性，以创建一个右偏分布。
Roblox 表示，这种方法的一个关键优势是它对观测次数的变化具有弹性，这使得它非常适用于不同活动水平的来源。
根据 Roblox 的说法，Sentinel 提高了平台的安全性，并在部署的头几个月里向当局提交了 1000 多份官方报告。由于系统优先考虑召回率而不是精度度，所有可疑案例都需要人类专家进行筛查和调查。
这些分析师所做的决策创建了一个反馈循环，使我们能够不断提炼和更新示例、索引和训练集。这种人工参与的过程对于帮助 Sentinel 适应并跟上新的和不断演变的模式和方法至关重要，这些模式和方法是由那些试图逃避我们检测的不良行为者所采用的。
虽然 Sentinel AI 是针对 Roblox 的特定用例设计的，但其创造者表示，它可以应用于任何目标类别示例稀缺的分类问题，特别是当多个观测的上下文都很重要，并且需要高召回率的情况下。Sentinel 的另一个优势是它能够大规模的近实时操作。
原文链接：
https://www.infoq.com/news/2025/08/roblox-sentinel-classifier/
