lit-radar — 2026-10-15

科研牛马们，我来汇报组会工作——paper reading了。今天一共11篇，老规矩，不念公式，只讲人话。

第一篇，《超越训练：推理期人工智能治理的可行性分类学》。各国现在管人工智能，都盯着训练时用了多少算力，可真正决定本事的往往是模型练好之后怎么用。如果监管的对象从训练那一次变成每一次调用，手里到底还剩哪些管用的工具。咋整的呢？作者把二十种推理期治理手段分成监测、核验、执法三类，逐项按四点成熟度打分并请第二人复核。结果你猜怎么着，二十种里有十五种已有厂商在生产环境里用上，但面对国家级部署者时没有一种算得上够用。按作者自己的说法，可部署不等于管得住，真正缺的是能独立审计、挡得住高水平对手的那一小撮核验手段。一句话总结：推理期治理不是训练期治理的替代品，两者要一起用，而且优先把核验这一类做出来。

第二篇，《街头官僚如何应对危及生命的经历：以色列十月七日袭击中的警察案例》。警察这类一线公务员每天上班都可能碰上要命的场面，可研究多半只盯着长期压力和职业倦怠。以色列警官在十月七日袭击中亲历生死，他们当时和事后怎么应对，这些经历又怎样改变他们后来给民众办事。具体怎么折腾的：研究者用半年时间深访了三十名当天在现场的警官，每人约四十五分钟，一直访到不再出现新主题为止。折腾完发现，七成警官当时正在休假却自发赶回岗位，靠自动驾驶和情感抽离撑过当天，事后主要靠同事互相支撑。作者还顺手讨论了一下，一线人员的自救其实也是组织韧性的微观来源，只是代价被悄悄压到了个人身上。说人话就是：危机后的支持应当制度化，把同伴互助纳入正式体系，同时不能让同伴互助替代组织的责任。

第三篇，《内容何时才算“足够 AI 生成”？——数字服务法与人工智能法下的合成媒体标注》。人工智能生成的图片和视频越来越难分真假，欧盟想靠给内容贴标签来管住它。在线平台和人工智能服务商到底在什么情况下，必须给合成内容贴上标签。方法上，把两部欧盟法律的条文逐条对照，再统计平台真实上报的处置记录。最后发现，平台上亿条记录里，明确被贴标签的只占极小一截，删除和降权才是主流。作者的解读是，难点不在贴不贴，而在多假才算假、该由谁来判定。划重点：标签要真管用，判准得清楚、能看懂，还要让人可以申诉纠错。

第四篇，《大语言模型像人一样改变想法吗：单轮说服判断中的人机分歧》。在社会科学里，人们越来越喜欢拿大语言模型当替身，让它扮演受访者、选民或者网民，借此模拟舆论、选举和集体决策。研究者想知道，同一个说服理由摆在面前，大模型改主意的判断和真人差多远，又差在什么地方。咋整的呢？他们找了一个真实辩论社区里被发帖人亲口确认改变的回复，凑成三千多对成功与失败的对照，交给八个大模型来判。结果你猜怎么着，八个模型和真人都只算轻微一致，一致度全都没超过两成，出错还分成爱顶嘴和爱点头两派。按作者自己的说法，模型偏爱和原帖话题重合、显得可信的说法，看不上新观点和情绪牌，跟真人正好相反。一句话总结：作者提醒，别再把大模型当成可靠的人类被试替身，它的说服判断和真人是结构性的不一样。

第五篇，《EvoHarmBench：用迭代式类人规避击穿内容审核》。平台上的违规内容会被自动审核拦下，但发帖的人会不断改写措辞来钻空子。现成的静态测试，能不能反映这种来回改写、见招拆招的真实对抗生态。具体怎么折腾的：研究者收集了五千多条真实逃过审核的违规样本，让模型一轮轮改写并打分。折腾完发现，反复改写之后，即使是顶尖的商用审核模型，攻击成功率也升到八成以上。作者还顺手讨论了一下，静态评测严重低估了审核系统的脆弱性，两者差距超过四成。说人话就是：内容安全评测应从一次性静态测试，转向动态对抗式的迭代评测。

第六篇，《绘制红迪机器人生态图谱：机器人类型学与种群演化》。红迪（Reddit）这类社区里早就混进了大量自动发帖的机器人程序，但人们一直说不清它们有多少种、平时都在干什么。这项研究想弄清红迪上的机器人到底能分成哪些类型，以及这个机器人群落的数量和种类随时间怎么变。方法上，研究者从两份由网民投票整理的机器人榜单里挑出得票达标的三千三百八十九个账号，再用它们全部发帖记录算出二十三项特征做聚类。最后发现，分出十八种机器人类型，更意外的是总量在新冠后就开始下滑，早于平台二零二三年的接口收费新规，而各类型占比一直很稳。作者的解读是，机器人种群像生态系统，既受技术更新影响，也受平台规则挑选，如今正从社区自建转向平台官方的统一基础设施。划重点：自动化的角色是在转型而不是消失，平台在把治理交给官方机器人时，也该给社区自建机器人留出创新空间。

第七篇，《从漫画化到集体产物：人格构建如何驱动生成式社会仿真中的极化》。大语言模型已经能扮演虚拟网民，可研究者发现，它们一旦被指派某种身份就会变得格外刻板。这些刻板人设凑到一起互动，究竟会把网络推成一片撕裂，还是只是设定造成的假象。咋整的呢？研究团队搭了个推特式平台，让五百个虚拟角色跑五千步，再把党派身份一层层抽掉做对比。结果你猜怎么着，只删掉人设里几句直接的党派表态，网络就从几乎完全隔离回到接近真实推特的跨党水平。按作者自己的说法，根源在问卷把每个回答都变成分量相同的行为指令，而真人心里其实分得清轻重。一句话总结：对上某一个真实指标不等于人设有效，作者据此给出一份构建与汇报人设的检查清单。

第八篇，《多类型内生演化交互的潜变量过程模型的大网络极限》。在社交网络里，人的想法会被朋友影响，想法变了又会影响谁跟谁来往，这种互相牵扯的网络该怎样描述。当网络里的人多到数不清时，这种想法和关系一起变化的系统，最终会收敛成什么样子。具体怎么折腾的：作者把每个人当成带类型和潜在立场的粒子，用平均场和大网络极限的数学工具推导它最终的分布。折腾完发现，证明人数趋于无穷时，随便挑出的几个人想法会变得彼此独立，而整个网络会收敛到一个叫多重图极限的对象。作者还顺手讨论了一下，这个极限能同时刻画同类型抱团与不同类型互斥，以及老关系更容易保留的黏性效应。说人话就是：这套结果为意见动力学打下严谨数学基础，可用于研究舆论两极分化与群体之间的相互影响。

第九篇，《模因木马：以社会传染为载体在智能体网络中投递对抗性载荷》。智能体之间互相转发帖子，坏人能把坏链接藏进大家本来就爱转的内容里。把坏链接藏进智能体爱转的内容里，这种攻击究竟能传多远、装上多少台智能体。方法上，先从智能体社区挑出最容易被转发的十种内容，再做大规模计算机模拟看能否扩散。最后发现，最强的那种内容有近一半的后续帖子会转发它，曝光量最高被放大到三倍以上。作者的解读是，这种传播不靠胁迫，靠的是智能体本来就爱转，所以防注入拦不住。划重点：平台需要从网络层面治理这种信息传染，而不只是过滤单条恶意指令。

第十篇，《尺寸泛化的维度无关标度律：一个指数分离》。不少模型要在尺寸可变的集合和图上工作，训练时用很小的对象，测试时却要面对大得多的对象。在某个尺寸上训练出的模型，要多少样本才能保证在更大的尺寸上也同样准。咋整的呢？作者用置换不变多项式搭起一套统计学习理论，推出误差随样本数下降的速度上下界。结果你猜怎么着，在多项式衰减的目标下，原尺寸误差按样本数的幂次降，跨尺寸误差却只按对数降，差距是指数级的。按作者自己的说法，模型能迁移和模型学得快是两回事，真正决定效率的是目标函数够不够光滑。一句话总结：只有目标衰减得足够快，跨尺寸学习才能恢复接近最优的速度，集合和图的门槛还不一样。

最后一篇，《自条件机制让流匹配实现深度顺序推理》。这几年人工智能流行用画图来解题，画出一张张中间图，就像把推理过程摊在纸上。多画几步，模型是不是就能多推理几步，还是这只是人的一厢情愿。具体怎么折腾的：作者先用电路复杂度的数学工具给采样过程算账，再在受控小任务和真实视觉推理基准上做对比实验。折腾完发现，加上自条件后，画线追踪的正确长度从八跳到五十，五类解题任务的平均分从约六成六升到约七成七。作者还顺手讨论了一下，关键不在步数多少，而在于每一步是否把更多信息交给下一步，让额外步数真正变深。说人话就是：要让图像推理模型越算越聪明，就该在采样步之间多传信息，而不是指望多跑几步自动变强。

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。