内容风险监测同样面临两个需求：既要持续挖出目标领域的线索，也要及时捕捉风险的变化。围绕这一点，深识寻踪本轮上线了 AI 自动化探索平台，同时对态势数据的呈现与下钻路径做了调整，让内容发现方向更明确、风险查看路径更直接。
缺乏内容偏好的监测账号会遇到什么问题
如果监测账号本身没有形成明确的内容偏好，目标领域的内容就容易散落在推荐流各处，无法稳定进入到采集的视野范围内。本轮新增的自动化探索平台，正是用来补足这一环节。
自动化探索平台怎么用：三步完成任务配置
步骤一，设定探索方向。在新建探索任务时，用户可以填写探索主题、搜索关键词和主题描述，从而明确账号应当多接触哪类内容。页面也提供 AI 生成入口，用来辅助完善兴趣目标。
步骤二，AI 识别内容并自动互动。任务开始运行后，系统借助 AI 判断推荐内容是否与既定方向相符，对于符合方向的短视频目标，自动完成互动操作。账号在连续不断的定向互动中，会慢慢形成清晰的内容偏好，推荐内容也会逐步往监测方向靠拢。
步骤三，执行过程可管控。用户能够设置搜索浏览视频的时长、目标内容的占比、推荐页验证数量等执行与验证参数。任务在指定设备上运行，创建时只能选择空闲设备；运行期间可以查看任务状态、进入任务详情，或者随时把任务停掉。
这项能力的价值，在于让监测账号更稳定地接触到目标领域内容，也让后续的线索发现更有针对性。
我的态势展示优化：从总数分布下钻到单条线索
能发现线索还不够，还得看清风险的整体面貌和细节。本轮针对用户端的「我的态势」页面做了展示优化。
数据概览改用卡片形式，呈现累计线索总量、昨日新增线索、高风险线索以及高风险账号这四类核心数据，同时配上趋势变化和风险类型构成，整体态势一眼可看。实时线索区域支持在全部、短视频、直播之间切换，右侧则同步显示今日新增、近 3 小时新增和高风险线索的统计情况。
各个模块均支持向下钻取、调看对应的明细记录。从总体的风险分布出发，可以逐层定位到具体的线索条目，使态势研判不停留在数字层面。
深识科技与深识实验室是什么来头
据原文信息，北京深识科技有限公司成立于 2024 年，是一家由人工智能驱动的新型虚假信息治理公司，把精力放在 AIGC 背景下的内容可信问题上，重点解决以多模态内容深度伪造（Deepfake）为代表的网络虚假内容识别与治理难点，希望在生成式人工智能时代建立一个可信、有序的数字内容环境。
针对 AIGC 带来的低成本造假、规模化生成以及强对抗传播等新趋势，深识科技提出 Detect（发现）– Identify（识别）– Dispose（处置） 三位一体的虚假信息治理模型（简称 DID 模型）。该模型以大模型作为技术底座，把多通路并行采集机制、专业领域知识库构建能力与 AI 智能审核技术融合在一起，服务于互联网多模态内容监管、企业侵权仿冒治理以及复杂内容风险合规审核等核心场景，搭建起包括并行自动化线索发现、多模态智能风险识别和事件处置在内的全链路治理能力。其核心团队来自奇安信、腾讯等国内互联网安全企业，并与国内知名高校研究团队有深度合作，在网络安全与内容治理方向的积累超过二十年。
深识实验室（DIIPSENSE LAB）于2020年成立，是北京深识科技有限公司旗下专注 AI 多模态深度伪造内容鉴定与研究的创新实验室，运营主体为北京深识卓鉴实验室科技有限公司。实验室面向 AIGC 时代的内容可信领域，着力解决音、视、图、文四类多模态内容的深度伪造鉴定问题，提出可解释性较强的 MASTIX 可解释模型，并依靠旗下司法鉴定中心，向执法司法机关与企事业单位提供一站式鉴证服务。
小结：深识寻踪这次的更新分成两条线——用 AI 自动化探索让监测账号主动贴近目标内容，用态势页面下钻让风险分布可以逐层落到具体线索。对需要常态化内容风险监测的团队来说，这套组合把「找到线索」和「看清风险」放进了同一个产品闭环。