lit-radar — 2026-10-14

科研牛马们，我来汇报组会工作——paper reading了。今天一共9篇，老规矩，不念公式，只讲人话。

第一篇，《面向社会公益的人工智能：伦敦环境规制与空气污染之间因果关系的实证研究》。大城市的空气污染伤肺又伤心，伦敦为此立了一堆规矩，可这些规矩到底管不管用，一直说不清楚。这项研究想弄清，伦敦从二零一零年到二零二零年的一整套空气污染管制，究竟让细颗粒物降了多少。咋整的呢？用一套会报告不确定性的贝叶斯深度模型，喂进三十二项管制的逐日开关状态，再假想管制从未实施，反推本会出现的污染水平。结果你猜怎么着，是，这些管制让伦敦空气中的细颗粒物平均少了将近两微克，相当于降了一成二上下。按作者自己的说法，早年效果不明显，二零一三年以后才逐渐显现，二零一八和二零一九年最强，说明管制要累积起来才见效。一句话总结：是，持续叠加的管制确实能改善城市空气，评估这类政策时应把不确定性一并算进去。

第二篇，《用事实框定：框架如何塑造瑞士农药政策话语中的证据使用》。政策辩论里，同一个议题被怎么描述，会影响哪些知识被当成依据。研究想知道，不同的框架会不会让说话人在某些环节上系统地引用证据。具体怎么折腾的：分析了瑞士十年间媒体、行业刊物和议会的上万份文件，人工编码后做统计模型。折腾完发现，四种框架中，被强调最多的那类说法也最常配证据，后果类比原因和对策类更常配证据。作者还顺手讨论了一下，对策类证据偏少，或因这类知识本就稀缺，说话人更爱用直观的后果打动人。说人话就是：看清框架如何左右证据使用，能帮研究者和政策制定者发现被忽视的知识缺口。

第三篇，《问题定义的情绪政治：极化公共领域中的以色列司法改革》。以色列二〇二三年推动司法改革，把最高法院当成靶子，社会情绪被彻底点燃。推动改革的两名政客，到底用了哪些情绪手段来定义问题，公众又如何反应。方法上，研究者分析两人三十一场公开讲话，配上人工智能情绪编码，再调查四百七十名犹太人。最后发现，几乎所有的情绪诉求都引出了负面情绪，左中右都一样，只是右翼的负面程度更弱。作者的解读是，负面情绪正是政客动员民众的主要手段，早期反应还会锁死日后的重新框定。划重点：情绪能加速一件事被认定为问题，却也让对立更难化解，最后反而可能拖垮改革本身。

第四篇，《跨议题、意识形态与心理维度的社交媒体选举毒性地图》。美国大选期间社交媒体上骂战不断，但此前没人系统看清哪些议题最容易吵出毒话。把竞选话题分成十类、立场分成左右中之后，毒话会不会随议题和站队而变。咋整的呢？抓来大选前后五周的七十多万条原创帖，用大模型配合人工编码打上议题与立场标签，再测毒性。结果你猜怎么着，暴力犯罪议题最毒，超过一半帖子带毒；身份类议题骂得最狠，右翼普遍比左翼更毒。按作者自己的说法，毒话是被具体议题点燃的，左右两边在同一议题里连情绪和道德框架都惊人地相似。一句话总结：治理网络骂战得分议题下手，一刀切地测毒性会抹掉各议题完全不同的话风。

第五篇，《政治立场一致与不一致的大语言模型事实核查信息的有效性》。社交媒体不再雇人做事实核查，改用会聊天的机器人给新闻标真假。机器人若被设成偏左或偏右，用户还愿不愿意信它的核查结论。具体怎么折腾的：两个实验里七百多名美国人跟真机器人对话，对同一条新闻先打分聊完再打一次分。折腾完发现，机器人判对时，真新闻的信任平均升高近一分，假新闻的信任下降约零点八分。作者还顺手讨论了一下，人们习惯把人工智能当成客观工具，所以立场一不一致影响很小。说人话就是：机器人能大范围纠错，但判错也会大范围带偏，仍需防护和监管。

第六篇，《算法的夸张画像：跨危机事件审计大语言模型生成的政治话语》。大语言模型已经能写出很像真人发的政治帖子，人们担心它被拿来到处造出大量假发言。模型被用来模拟突发事件里的网络发言时，它造的话和真人发言到底差在哪里。方法上，作者把九场危机事件里真实网帖和模型生成的帖子配成对，逐项比较情绪、结构、用词和跨事件差异。最后发现，模型生成的帖子更负面、更整齐、也更书面，情绪分散度明显更小，而且不同事件差别很大。作者的解读是，关键不在句子通不通顺，而在于生成的话丢掉了真实说话人群的散乱和参差。划重点：审计生成话语该看整个人群，而不只是逐条判断一篇帖子像不像机器写的。

第七篇，《灾后财产恢复激励与社会互动对自然灾害中自主疏散决策的影响：一个基于主体的建模方法》。自然灾害每年造成的损失可达数千亿美元，各国政府都在琢磨怎么让居民及时撤离。政府发的财产恢复补贴和邻里之间的相互影响，到底能不能推动大家一起疏散。咋整的呢？作者建了个虚拟社区，让五千户人家在社交网络里互相比谁过得好，再决定走还是留。结果你猜怎么着，补贴给得越多效果反而递减，优先通知人缘最好的那几个人，疏散率能一下冲到百分之百。按作者自己的说法，钱不是万能，关键是把有限资源用在社区核心人物身上，而不是撒胡椒面。一句话总结：政府支持存在一个最优水平，摸清社区人脉结构比单纯加钱更能救命。

第八篇，《发展中国家建筑行业的政策与资源动力学建模：以苏丹为例的系统动力学方法》。很多穷国家修路盖楼总是拖期超支，苏丹就是典型，审批慢、缺工人、供料乱还互相拖后腿。这篇想弄清楚政策、人力、材料这三样怎么互相作用，动哪个杠杆最能让工程又快又省。具体怎么折腾的：作者建了一套系统动力学模型，把政策人力材料连成一张图，再用遗传算法拿专家打分把参数调准。折腾完发现，模拟二十年发现，精简审批加上培训工人效果最好，工程延误能砍掉一半，产出多出近六成。作者还顺手讨论了一下，光改善供料或单砸钱不够，得几样一起改，而且改革要跨过某个门槛才见效。说人话就是：给穷国的启示是分批精简审批、定向投钱培训，并把这种整体模拟工具用进基建规划里。

最后一篇，《再犯风险的动态与内生演化：监禁分流项目中治疗资源分配的基于主体仿真研究》。美国很多轻罪犯被判缓刑并接受戒瘾、心理等治疗，可名额有限，必须先挑人。现有打分工具把人看成固定风险，可风险会随时间和社区环境变，那到底该优先治谁。方法上，作者搭了一套以每个缓刑者为个体的仿真系统，用美国缓刑真实数据校准，再比几种挑人办法。最后发现，没有哪套办法永远最好，着眼长期宜先治低风险，着眼短期或关押勤快则宜先治高风险。作者的解读是，低风险者早治疗能挡住他滑向高风险，高风险优先的即时收益来自直接削掉最大祸源。划重点：评估这类打分系统要看它把系统带向什么长远状态，而不是只看一时抓得准不准。

以上就是今天的组会汇报。哪篇戳中你了就点进去看全文，没戳中的，就当陪导师开了个会。