lit-radar — 2026-09-12

如果把今天这批论文放在一支长视频里，我会先抛出一个问题：这些研究到底在帮我们重新理解什么？这一期论文雷达不做公式推导，也不堆术语，而是用尽量直白的话，把目录里的线索串成一条可以听下去的脉络。你可以把它当作正式阅读前的导览，先判断哪几篇最值得点开。

接下来这篇来自公共管理与公共政策方向的研究，题目可以先理解为《人工智能的「国籍」、政策类型与公众对人工智能嵌入政策制定的支持》。如今越来越多的政府开始把人工智能请进政策制定的流程里，用它来梳理信息、模拟方案、给决策打底。这项研究要回答的核心问题只有一个：人工智能的「国籍」，会不会改变公众对政府用它来制定政策的支持程度。实验结果非常干脆：把同一件事里的人工智能从外国换成国产，公众的支持度立刻明显上升。这项研究最核心的结论是，人工智能的国籍标签本身，就足以改变公众对政府用它做决策的态度。

接下来这篇来自公共管理与公共政策方向的研究，题目可以先理解为《刻画政府服务的智能体洪流》。过去普通人要跟政府打交道，往往得先读懂一大堆看不明白的规定，再填一沓不知道从何下手的表格。这篇论文想回答三个问题：由人工智能带来的政务申请激增是否真的正在发生、它的风险有多大、以及政府能够怎么应对。研究团队在十二个国家扫描后，最终确认了八十四个疑似案例，横跨十一个辖区和十三类政务领域。作者的总体判断是，智能体洪流确实已经在很多国家的政务服务里发生，但目前还不至于把政府压垮。

接下来这篇来自公共管理与公共政策方向的研究，题目可以先理解为《新一代无律师原告：生成式人工智能与美国联邦民事自我代理的激增》。在美国，打一场联邦民事官司本来几乎离不开律师，但最近几年，越来越多的人选择不请律师、自己写状子递进法院。研究者想弄清楚，自从人人都能用上会写文书的人工智能，美国联邦法院里自己打官司的人是不是真的变多了。不请律师自己起诉的比例明显上升，从生成式人工智能普及前的一成一出头，涨到了普及后的将近一成七。生成式人工智能确实把写状子的门槛降低了，让更多人走进了法院的大门，但它并没有让这些人更容易打赢官司。

接下来这篇来自计算传播学方向的研究，题目可以先理解为《人工智能系统的说服力超过人类专家》。很多影响千万人的大事，最后其实是靠一场说服的较量定下来的，谁能压过对手把人说动，权力和资源就归谁。这篇论文要回答的核心问题是，人工智能在一对一的文字对话里，说服力能不能压过人类中最会说服的那一群人。在每一场较量里，人工智能的说服力都稳稳压过了每一类人类高手，包括国际顶级辩论赛的冠军和现职的职业募捐拉票员。研究团队的结论是，在文字对话这种形式里，前沿人工智能的说服力已经超过了他们能招募到的、最有准备也最有动力的人类专家。

接下来这篇来自计算传播学方向的研究，题目可以先理解为《《数字服务法》的盲区：TikTok 广告投放与未成年人画像的算法审计》。欧盟的《数字服务法》明文禁止平台用画像向未成年人投放广告，但这条禁令保护的范围可能比想象中窄得多。研究者想弄清楚，短视频平台在形式上遵守禁令的同时，未成年人是否仍在通过别的渠道被精准投放商业内容。审计结果呈现出一个刺眼的反差，正式广告这一块平台确实守住了规矩，未成年人几乎没有被画像投放。这项研究给出的结论很直接，把广告定义绑在付费结构上，就等于给未成年人保护留了一个可以绕开的后门。

接下来这篇来自计算传播学方向的研究，题目可以先理解为《用 AI 智能体大规模自动化个性化算法的黑箱审计》。平台推荐算法决定了你每天刷到什么内容，但外部研究者几乎看不到它的内部构造，只能从外面观察它的输入与输出。这项研究想弄清楚一件事，那就是在只能从外部观察的条件下，如何把平台个性化算法的审计同时做到大规模和可控。结果显示，算法推荐的信息流比按时间排序的信息流，明显多推毒性内容、极化内容、政治内容和右倾内容。这项研究的结论是，用人工智能体做黑箱审计既可行又有效，它把用户的行为方式和平台能看到的身份标签彻底拆开了。

接下来这篇来自仿真方法-ABM_SD_DES方向的研究，题目可以先理解为《把大语言模型智能体当政策助手：跨行政区的疫情协同防控》。疫情来临时，相邻地区各自为政地封控与解封，往往让严格地区的努力被邻居的人流重新冲垮。这项研究要回答一个反事实问题，那就是如果当年每个州都配上一位人工智能政策助手，疫情能否被控制得更好。在五个州的模拟里，人工智能助手给出的协调方案把累计感染人数压低了约四分之一，把累计死亡人数压低了三成多。这项研究说明，把大语言模型智能体接进真实的疫情模拟器，能让跨地区的防控政策从各自为政转向协同前瞻。

接下来这篇来自仿真方法-ABM_SD_DES方向的研究，题目可以先理解为《关税威胁、宏观经济预期与政策传播策略：基于多智能体系统的实验》。关税还没真正开征，一句社交媒体上的威胁就可能先改变千家万户对物价和失业的判断。这篇论文要回答的是关税威胁怎么措辞才最能推高民众的通胀与失业预期，以及央行事后该怎么解释才能把分歧收拢回来。模拟结果显示，一条关税威胁怎么说、什么时候生效、由谁说出口，对家庭预期的影响不亚于税率数字本身。这套系统最大的价值不是替代真人调查，而是在花钱做真人实验之前，先帮研究者把话术筛一遍。

接下来这篇来自仿真方法-ABM_SD_DES方向的研究，题目可以先理解为《检验多个意见动力学模型的有效性》。气候变化、疫苗接种、社会撕裂这些难题能不能解决，最后都取决于一大群人的看法会往哪儿变。这篇论文只追问一件事，那就是现有的意见动力学模型究竟能不能预测真实社会中的舆论变化。四个模型在自己生成的模拟数据上都表现优秀，可一换到真实调查数据上，没有一个能赢过最笨的基准。能把模型拟合到数据上，并不等于这个模型是有效的，这是这项研究留给意见动力学领域最直接的警告。

接下来这篇来自AIGC前沿-顶级突破方向的研究，题目可以先理解为《全带宽 Transformer：用潜在反馈拓宽自回归解码的垂直通道》。今天的大语言模型在生成文字时，每写完一个字，上一步在脑子里算出的全部结果都会被丢掉，只剩下那个被说出口的字传给下一步。这篇论文想问的是，能不能把那条被压到只剩一个词的回流通道，拓宽成一整条隐状态。结果相当漂亮，只训练四千亿词元的全带宽模型就追平甚至超过了训练更多词元的标准模型，而每生成一个词多付的代价还不到百分之一。这篇论文给出的结论是，自回归模型两步之间的那条通道，本来就不必只装得下一个词。

接下来这篇来自AIGC前沿-顶级突破方向的研究，题目可以先理解为《卡尔曼德尔塔网络：具备不确定性意识的联想记忆》。当下的大模型要读很长的文章，可它们的记忆本子只有固定那么几页，写满了就得擦掉旧的才能写新的。这篇论文想问的是，往固定大小的记忆里写东西时，到底该按什么原则决定每一笔写多重。在两种规模的同等条件预训练下，新模型在困惑度、常识问答平均分和长文检索三类指标上都超过了所有参与对比的线性注意力基线。把不确定性当成循环记忆的一等公民来跟踪，是这篇论文留下的最核心的主张。

所以，今天这期的重点不是记住每篇论文的所有细节，而是先抓住它们共同暴露出来的问题意识。先从最贴近你研究方向的一篇打开，再回头横向比较其他领域怎么提问、怎么组织证据，往往会更容易找到真正有启发的部分。