इस शोधपत्र में, हम COEF-VQ का प्रस्ताव करते हैं, जो मल्टीमॉडल लार्ज-स्केल लैंग्वेज मॉडल (MLLM) का उपयोग करके वीडियो गुणवत्ता को समझने के लिए एक नया कैस्केड फ्रेमवर्क है। COEF-VQ एंट्रॉपी-आधारित प्री-फ़िल्टरिंग चरण के माध्यम से उच्च-अनिश्चितता वाले नमूनों का तरजीही विश्लेषण करके MLLM के मजबूत वर्गीकरण प्रदर्शन को बनाए रखते हुए GPU के उपयोग को काफी कम करता है। हम अपने वीडियो प्रबंधन प्लेटफ़ॉर्म (VMP), एक लघु-वीडियो प्लेटफ़ॉर्म पर COEF-VQ को तैनात करते हैं, और वीडियो गुणवत्ता को समझने से संबंधित दो इन-हाउस कार्यों पर प्रयोग करते हैं। परिणाम ऑफ़लाइन मूल्यांकन में महत्वपूर्ण प्रदर्शन सुधार दिखाते हैं और प्लेटफ़ॉर्म स्थिरता को प्रभावी ढंग से बढ़ाते हैं, जैसे कि ऑनलाइन A/B परीक्षणों में अनुपयुक्त सामग्री वाले वीडियो की दर्शकों की संख्या में 9.9% की कमी। पोस्ट-रिलीज़ मॉनिटरिंग के माध्यम से निरंतर प्रदर्शन सुधारों की पुष्टि की गई है।
