lit-radar — 2026-10-29

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，《让地方政府合同变得可读：跨政府服务协议分类与绘图的端到端计算流水线》。美国的地方政府常把警务、道路、消防这些活儿，靠签合同交给邻居去办。可这些合同全是扫描件，堆在档案里，没人能大规模读懂谁出钱、谁干活。咋整的呢？研究团队用文字识别转出文本，再让三种大模型给两万多份合同分类。结果你猜怎么着，分类准确率约八成，随后画出的资金网络显示，钱高度集中在少数县政府手里。按作者自己的说法，市政府大多是掏钱的买方，县政府既买也卖，特别区只能在外围打转。一句话总结：这套流程可以搬到别的州，让政府之间怎么花钱第一次能被批量化看清。

第二篇，《开放科学守门人的隐性代价：arXiv 背书政策收紧的准实验证据》。预印本平台成了论文最先露面的地方，也是科学传播的新主干道。平台要求老作者给新人背书才能投稿，这道门到底拦住了谁。具体怎么折腾的：作者用三百万篇论文的公开记录，统计政策前后八个学科新人的进场人数。折腾完发现，新人投稿少了一成三，人脉稀疏的学科少了近五成，物理几乎没动。作者还顺手讨论了一下，被拦下的生物学者没停笔，转去另一个预印本平台发了。说人话就是：靠熟人担保的守门规则，把开放科学的好处分给了本来有人脉的人。

第三篇，《美国联邦人工智能披露三制度的三角互证》。美国联邦政府用算法审批福利、标记遣返对象，可这些系统的公开记录散落在好几套互不搭界的制度里。这三套披露制度各自说清了什么、合起来又能补上什么，是本文要回答的问题。方法上，作者把三类近五万份政府记录用语言模型筛出涉人工智能条目，人工抽检核对后，再把跨制度的同一系统串起来。最后发现，机器初筛准确率约七成，三套制度里能确认指向同一系统的记录只占两成左右，其余大多各说各话。作者的解读是，这些断点不是执行马虎，而是每套制度当年的行政目的决定的，属于结构性问题。划重点：他们建议保留人工智能用例清单，给它统一编号、恢复公开的风险问答，让公众能顺藤摸瓜。

第四篇，《叙事网络对新兴故事的预测能力研究》。新闻讲的故事每天都在变，新人物登场、关系翻转，但研究大多只做事后回看。故事里人物、动作和地点连成一张网以后，这张网的形状能不能预告明天的新关系。咋整的呢？作者用大模型把三起真实事件的上万篇新闻拆成关系网，再让七种猜连线的老办法预测第二天。结果你猜怎么着，只看谁最活跃的那个简单办法最准，打分在零点七六到零点七九之间，比死记旧答案高出十一点三到十四点五分。按作者自己的说法，好处主要来自被反复提到的大人物，把这些活跃人物拿掉，优势就明显缩小。一句话总结：故事骨架确实能预告下一步，但只在全新关系上灵，猜老关系时死记硬背反而更强。

第五篇，《挖掘框架：关联规则挖掘作为新闻框架的无监督检测框架》。新闻框架分析大多依赖人工标注和预设分类，遇到新事件或小语种就很难用。能不能不用标注、不预设分类，让算法自己从新闻用词里找出框架？具体怎么折腾的：研究者把每篇报道当成一篮词语，用关联规则找出总是一起出现的高提升度词组。折腾完发现，两万五千多篇加沙报道里，以色列、打击、杀死这组词构成的军事框架在十六家媒体中的十四家出现。作者还顺手讨论了一下，标题偏爱情绪强烈的高提升度词组，正文更多是机构口径和程序性用语。说人话就是：这套无监督办法能把词语共现变成可核查的框架线索，但最后仍要人来判断。

第六篇，《两种不确定性并非一体：廉价结构化内容审核中的分歧与决策风险》。内容审核每天要把亿万条帖子压成删或不删一个动作，靠人逐条看根本看不过来。一种很便宜的机器审核模型，它给出的“信心”到底能不能信？方法上，研究者用十四万条人工标注评论，把这种模型和十四个顶级大模型放在一起比。最后发现，它在准确度上接近顶级模型，价格却便宜一到三个数量级。作者的解读是，模型的信心其实混了两种不确定：人和人意见不合，以及删错帖子的代价。划重点：这两种不确定要分开看，用错信号会把最该给人看的争议帖藏起来。

第七篇，《ThreadBench：衡量智能体模拟真实网络讨论的基准》。用大模型扮成网民聊天，已经成了研究网络舆论的一种新工具。问题是，一群模型凑出来的整串讨论，整体上能不能和真人的讨论对得上。咋整的呢？研究者收集了九千八百一十七条真实论坛讨论，定了十二项指标、分四类来比。结果你猜怎么着，强模型下新方法通过率过半到全部，老方法最多一成七，四百三十六名评审近八成分不出真假。按作者自己的说法，作者说，模拟得像不等于一模一样，语气和分歧还有差距，这把尺子能帮舆论研究辨别合成数据。一句话总结：这项研究给用模型模拟网络讨论立了一套可以复查的验收标准。

第八篇，《多智能体模拟评估社区笔记》。平台让普通用户一起给帖子补写纠错说明，但一条说明有没有用还得靠大量人工投票。研究者想用一群人工智能代理扮演不同投票者，提前判断一条说明有没有用。具体怎么折腾的：他们整理两百多万条社区笔记和两亿多次投票，按真实习惯把投票者分成十六类再让模型扮演。折腾完发现，这套办法判断一条笔记最终有没有用，平均准确率接近八成五，明显强过单个模型。作者还顺手讨论了一下，模拟代理保留了真人之间的分歧，还能给出具体理由，让平台知道该改哪里。说人话就是：它成本低又可解释，可帮平台筛查笔记质量，也能给写作者提修改建议。

最后一篇，《意见动力学模型参数的变分推断》。用智能体仿真研究舆论怎么形成、怎么极化已是常用办法，但模型参数多半靠反复试跑凑出来。这篇论文想问：能不能不靠海量试跑，直接用数据把模型里的参数一次算出来。方法上，作者把意见演化规则改写成概率生成模型，再让角色这类离散变量变得可求导，最后用变分推断做优化。最后发现，在四类意见模型上，它估计整体参数和个体角色的误差都低于试跑法与马尔可夫链法，速度还快出数十倍。作者的解读是，最关键的突破是一次能估出四百个个体属性，靠逐个试跑在组合数量上根本做不到。划重点：这让舆论仿真可以用真实数据校准，为舆情推演和公共议题评估提供更可信的底座。

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。