从推荐系统到AI Agent治理，刘文煊持续探索平台智能化路径

2026年以来，生成式人工智能在内容平台中的应用持续深化，也让AI生成内容标识、风险识别与平台完整性维护等议题进一步进入行业关注视野。TikTok在公开信息中多次提及其在AI生成内容识别、平台完整性建设及有害内容主动检测方面的技术投入，显示内容治理正在从以规则审核和人工处理为主，逐步迈向模型参与、系统协同和智能化响应的新阶段。

在这一行业转向中，刘文煊的工作方向与平台治理技术的演进形成了紧密呼应。作为字节跳动 TikTok 资深机器学习工程师（Senior Machine Learning Engineer）及技术负责人（Tech Lead），刘文煊长期专注于推荐系统、内容理解、大规模机器学习系统，以及生成式人工智能在真实业务场景中的落地应用。近年来，他进一步将工作重点延伸至大语言模型与内容治理流程的结合，推动AI技术在风险识别、内容理解和平台运营支持中的系统化应用。

AI驱动的内容风险治理平台

在内容治理方面，刘文煊作为技术负责人，自2023年起主导并参与构建了AI驱动的内容风险感知与治理平台。他从零开始设计了AI风险识别系统架构，搭建了实时数据处理与分析系统，利用模型自动识别风险事件并进行平台风险预警。该系统能够对全球新闻与社交媒体数据进行实时处理，自动识别潜在的风险事件，分析内容在平台内的传播情况，并为后续治理动作提供支持。通过这种方式，平台的风险治理从依赖人工发现问题，逐步转向由AI进行主动识别和辅助分析，显著提高了治理效率。

AI Agent智能内容治理系统

在此基础上，刘文煊还推动了基于大语言模型的AI Agent智能体内容治理系统的建设。该系统不仅能够自动分析风险内容，生成风险分析报告，还能够为人工审核提供决策支持。与传统流程相比，这类系统并非简单替代人工审核，而是先完成信息整理、内容分析和初步研判，再由人工结合具体语境进行处理，从而提升整体治理流程的效率和响应速度。

从推荐系统到跨团队协作

刘文煊能够持续推进这些系统建设，得益于他在平台核心算法系统上的长期积累。自加入TikTok以来，他主导并参与了多个与推荐系统相关的项目，包括Popular Feed推荐系统的从零到一建设、个性化多样性优化、商业内容推荐系统、以及新用户冷启动与训练流优化系统等。这些工作长期围绕内容分发、用户增长和大规模机器学习系统展开，也为他后续进入内容理解、风险识别和治理系统建设提供了扎实的技术基础。

除了系统研发，刘文煊的工作还涉及与Platform Responsibility、Trust & Safety、Public Relations、Government Relations等团队的协作。推荐系统、风险识别与治理系统并非独立存在的模块，而是共同服务于平台在用户体验、内容生态和运营支持等方面的需求。在这一过程中，他的工作不仅延伸到算法能力，也在更广泛的系统建设和业务落地方面发挥着重要作用。

AI技术落地与平台治理

从推荐系统到内容理解，再到内容治理与AI Agent系统建设，刘文煊的工作路径始终围绕平台级机器学习系统的实际落地展开。与单一模型研究不同，这类工作不仅要求对算法能力有持续积累，也要求能够处理工程实现、业务流程和跨团队协同之间的关系。对于大型内容平台而言，如何让模型真正进入复杂场景并稳定发挥作用，已成为技术落地中的关键问题。而刘文煊持续推进的相关工作，正是这一方向上的具体实践。

展望未来：AI在内容治理中的持续创新

未来，刘文煊将继续聚焦生成式人工智能和大语言模型相关系统的建设，探索AI在内容分析、信息处理、决策支持和自动化运营中的更多应用。从内容治理到AI Agent系统，他的工作不仅展示了生成式人工智能在平台治理中的广阔前景，也体现了从模型能力走向实际业务系统的现实路径。（朱琳）