我们提出 TrustMod‑SM，收集约 29,000 条样本，覆盖八个公开数据集，用以从信任度、公平性、安全性、鲁棒性和上下文完整性五个维度评估大型语言模型（LLM）在社交媒体内容审核中的表现。实验包含 16 种开源模型，参数规模从 0.5B 到 284B，既有纯文本架构也有视觉‑语言混合架构，另加一款闭源前沿模型。结果显示，模型仍存在显著的可信度缺口：检测准确率提升往往伴随人口统计差异加大；在隐蔽或夸大提示下模型容易顺从；错误预测时置信度常异常高；对模糊案例很少上报；尤其是参数低于 8B 时，模型难以区分仇恨言论、反驳言论和被重新定义的语言。模型规模的提升并未系统性解决这些问题，也没有单一模型在全部五个维度上表现最佳。\n\n点评：TrustMod‑SM 揭示了 LLM 在内容审核中的多维信任挑战，为后续模型改进提供了明确的评估基准。