lit-radar — 2026-10-22

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，《边际上的裁量：哥伦比亚公共采购中的门槛操纵与选举禁令》。政府采购法常用一条金额线划分程序，线以下手续少竞争也少，线以上必须公开招标。采购单位会不会故意把预算金额压到门槛以下，这样做又要付出什么代价。咋整的呢？用哥伦比亚十一年全部采购记录约八百五十多万条，比对每家单位每年的法定门槛。结果你猜怎么着，小额采购门槛下方多出四万九千多笔采购，占门槛前最后五个百分点区间的八成六。按作者自己的说法，民选的地方政府比中央任命机构更爱压线，压线后投标者更少折扣更低。一句话总结：门槛再精细也挡不住盯着它的人，关掉一条通道只会把采购挤到另一条通道。

第二篇，《政策中枢：在实战运行的警务政策中发现冲突、冗余与相似》。警察局的政策手册往往由不同人分年写成，条款之间互相打架或重复，却没有人系统地查过。能不能用程序自动找出同一套政策里互相矛盾、重复或相关的条款，并算清它到底能查出多少。具体怎么折腾的：在美国一个警察局的约八十四份真实政策上建了三百零二对条款测试集，比较两种自动筛查流程。折腾完发现，把一对条款直接摆到面前时能判对近八成，但让系统自己去找，只捞回一半不到。作者还顺手讨论了一下，判对不难、难在找全，矛盾条款的字面常常不像，靠相似度检索天生会漏。说人话就是：系统不能替代人工审查，但能在几分钟内给出候选清单，改变政策复核的成本结构。

第三篇，《何时把与人工智能的私密对话交给国家才算正当——从语境完整性看美国主要人工智能公司的主动报送政策》。很多人把心事甚至伤人的念头打给聊天机器人，公司却可能在没有警察上门时自己把对话交出去。公司究竟在什么条件下才该把这类私密对话交给执法部门，公开文件又讲清了多少。方法上，研究者自己定了八条正当性标准，让三个人各自去读六家公司共二十七份公开文件。最后发现，没有一家写明哪份文件算数、什么事实触发报送，也没有一家说事后会不会通知用户。作者的解读是，窄口径的安全说明和宽口径的隐私条款并存，等于把边界刻意留在文件的缝里。划重点：报送只能是事先公开的窄例外，应限定在人身安全受威胁且由人复核的情形。

第四篇，《认识论替代：AI 生成百科如何重构权威》。维基百科靠人写，机器生成的百科开始抢同一批词条，两种做法凭什么让人相信。同一批话题下，人和机器分别请哪些机构来为自己的说法背书。咋整的呢？把一千对同名词条配成对，逐条给近六十万条引文按来源类型分成八类。结果你猜怎么着，机器百科引学术论文的比例不到维基百科的四成，引网友发言却多出近四倍。按作者自己的说法，这不是质量高低，而是替知识作保的机构整体换了一批。一句话总结：机器生成的知识需要像查账一样定期审计来源，才谈得上问责。

第五篇，《超活跃少数派动摇了社区笔记的稳定性》。平台在缩减专业事实核查，改让普通用户给可疑帖子写补充说明、互相打分。当打分权交到用户手里，少数超级活跃的人会不会左右哪些说明能被公开看到。具体怎么折腾的：研究者用近五年的全部公开笔记与评分，加上平台开源算法重算，做了剔除活跃者的实验。折腾完发现，两成用户贡献了八成评分，只去掉十个最活跃的人，就有四千多条说明不再公开显示。作者还顺手讨论了一下，最活跃的人立场更鲜明也更挑内容，算法对这种参与结构异常敏感。说人话就是：社区核查没有把话语权分散，而是集中到一小群高度活跃且极化的人手里。

第六篇，《数字公共领域中的幸灾乐祸：脸书新闻互动的跨国十年分析》。社交媒体常被批评把别人的倒霉变成娱乐，但幸灾乐祸到底有多常见，一直没人真正量过。十年里三个国家的九家大媒体，脸书新闻评论区有多少留言是在为别人的不幸叫好。方法上，让三个开源大模型各自给一百多万条留言分类，再用三个人工标注的小样本校准准确率。最后发现，约四分之一的留言在幸灾乐祸，比同一批帖子的哈哈表情高出三分之一。作者的解读是，幸灾乐祸取决于倒霉是否活该，而敌意才跟着政治立场和执政党走。划重点：把幸灾乐祸和敌意混为一谈的毒性测量会看错对象，两者应当分开统计。

第七篇，《模型容量边界：面向大语言模型支撑的社会仿真的开发框架》。大型活动散场时，人群往哪走、在哪停下等人，传统人群模型只会让每个人朝最近的出口走。能不能用一整片可达的最好成绩当标尺，分清仿真差是参数没调好，还是模型本身就不够用。咋整的呢？把两届毕业典礼的现场录像当标准答案，逐十秒比对人数、站位和走向，再扫几百组参数看模型最好能做到多好。结果你猜怎么着，老模型扫了五百多组参数，走向误差最低只到一点一五，接上大模型后降到零点八二，人数却多错了八十一人。按作者自己的说法，老模型人数看着对，是因为出口堵着人走不快，并不是它真懂散场后的人会怎么想。一句话总结：判断大模型值不值得用，不能只挑一组参数比，要看它把整片可达的最好成绩往外推了多少。

第八篇，《大模型社会模拟中的蝴蝶效应：从架构敏感性到稳健性审计》。现在有一批研究不请真人做实验，而是让大模型扮演一群网友，在电脑里模拟社会舆论。同样的模拟设定只换一种写法，结论会不会整个翻过来。具体怎么折腾的：作者搭了囚徒困境和社媒回音室两套场景，让四家大模型各跑三十次并逐项改动设定。折腾完发现，只把同一个人设从散文改成要点，合作率就从九成八掉到两成三，差了七十五个百分点。作者还顺手讨论了一下，这类模拟的结论高度依赖提示词怎么写，换一家模型，方向甚至可能反过来。说人话就是：他们提出一套审计清单，要求把结论限定在真正验证过的设定范围之内。

最后一篇，《操纵还是不操纵：大模型互动中的意见动力学》。大模型如今会跟人长时间聊天，也可能被对方的说法带着改变立场，但多数研究只盯着其中一方。两个大模型关起门来辩论二十轮，到底是谁说服了谁，还是两边都在悄悄让步。方法上，作者搭了个双人辩论台，让两家模型轮流扮说客和听客，一共跑了四百八十场。最后发现，同一家模型自己吵，分歧平均变小；换成两家对吵，分歧反而变大。作者的解读是，影响力取决于具体哪家模型坐在哪个位置，不能一概而论。划重点：研究提醒，评估大模型的劝说效果要同时记录双方立场、模型身份和测量方式。

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。