lit-radar — 2026-10-31

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，《自主网络武器作为AI数字危害：一个平台问责框架》。各国已经用法律管住了商业平台制造的智能危害，可国家用自主网络武器打民用设施这一类却没人管。为什么平台监管和战争法都接不住国家放出的自主网络武器，这个缺口到底卡在哪里。咋整的呢？作者先给武器和危害分类，再做出一套打分卡测人类控制程度，最后拿十一个真实案例逐个试算。结果你猜怎么着，十一个真实案例全部不及格，得分在零点一九到零点六六之间，最好的一个也没碰到及格线。按作者自己的说法，唯一的合格样本是作者自己虚构的一套防御系统，它碰上纯民用目标也照样过不了关。一句话总结：作者提出三条能先单边实行的建议，让国家像平台一样为自主武器的行为负责并接受审查。

第二篇，《国家与区域人工智能战略的政策收敛与分化：政策设计要素分析》。各国纷纷出台人工智能战略，但很少有人把里面的内容逐条拆开比较。各国的战略是不是越来越像，区域战略又能不能带动成员国跟着走。具体怎么折腾的：作者扫遍二百零五个国家地区，逐条编码了七十四份国家战略和三份区域战略。折腾完发现，几乎所有战略都支持科研、都讲伦理，但写进人权和公众参与的不到三分之一。作者还顺手讨论了一下，共同语言多而实质承诺少，容易变成只喊口号不落地的伦理洗白。说人话就是：区域战略写得太空就带不动成员国，写得具体才可能真正对齐。

第三篇，《福利国家趋同还是韧性？比利时、瑞典与美国非营利组织市场化模式的比较》。过去三十多年，各国政府都用合同招标和企业管理工具改造公共服务，学界因此说福利国家正在趋同。政策上看起来一样，非营利机构在内部做事时是不是也变得一样了，这是本文要查的。方法上，研究者调查了比利时、瑞典、美国三国八百一十五家非营利机构负责人，按五种市场化做法给他们分组。最后发现，分出五组，最常见的一组只当政府承包商、不靠市场挣钱，五种做法全沾的只占百分之八。作者的解读是，所以市场化不是一个统一浪潮，各国机构各走各路，福利体制的老底子仍然支配着做法组合。划重点：政策上的相似没有落到组织内部，改造要按各国体制来，一套模板放之四海并不管用。

第四篇，《在网络讨论中提升民主倾听：反应按钮、讨论主持与大语言模型的作用》。学者们长期只关心人们怎么在网上发声，很少研究怎么听别人说。作者想知道，平台功能和主持人能不能让人更愿意倾听不同意见。咋整的呢？他们搭了一个讨论网站，把七百多名德国人分成四十组，每组聊同一话题半小时。结果你猜怎么着，单加按钮没效果，按钮加机器主持人时，认真倾听的留言从两成一升到两成七。按作者自己的说法，机器主持人的发言更多更长，说理质量也被评为高于人类主持人。一句话总结：想让网络讨论更有倾听味，按钮得配上会看场合开口的主持人。

第五篇，《只是重做一遍？计算传播学研究属性与开放科学实践对潜在可复现性与可重复性的影响评估》。计算传播学这几年长得很快，但它研究出来的东西能不能被别人重新算出来，一直没人系统查过。作者想弄清楚，这个领域发论文时到底共享不共享数据和代码，常用的数据和取数方式又会不会妨碍别人重做。具体怎么折腾的：他们先用关键词加机器学习，从两万多篇传播学论文里筛出计算传播研究，再人工逐篇细读其中的四百七十六篇。折腾完发现，发现将近九成论文既不公开数据也不公开代码，完整公开数据的只有百分之五点六七，完整公开代码的只有百分之八点二三。作者还顺手讨论了一下，媒体内容归平台所有、接口说关就关是主因，数据给不了时研究者也就懒得公开代码。说人话就是：他们呼吁期刊和资助方把共享变成硬要求，也呼吁学界集体为稳定的平台数据访问权发声。

第六篇，《以容忍感知推荐与自适应多样化逆转极化》。推荐算法一边想让人看到不同观点，一边又怕把本就对立的人推得更极端。推荐策略能不能不只让极化变慢，而是把已经分裂的两拨人重新拉近。方法上，作者搭起一个由虚拟用户组成的小社会，推荐按每个人对异议的容忍度调节曝光，越极端的人看到的内容越多样。最后发现，只靠个性化推荐两派会越走越远，只加容忍度只能减速，两者合用才能把分歧压到起点以下，合适条件下五次模拟全部回到一致。作者的解读是，多样化并非越多越好，曝光放得太宽反而让对立重新抬头，中等强度的一段参数效果最好。划重点：把用户的容忍边界和立场的极端程度一起放进推荐设计，才有望真正逆转极化。

第七篇，《分数阶 SIS-UAU 亚扩散谣言传播模型》。过去研究谣言怎么传开，默认人只看眼前状态，不管过去经历过什么。作者想知道，如果把人会记事、会迟疑这件事写进方程，传播规律会怎么变。咋整的呢？他们在一套双层网络的传播方程里换上带记忆的分数阶时间导数，再自写快速求解器。结果你猜怎么着，显示记忆只让传播过程变慢变长，谣言最后稳定在什么水平几乎不受影响。按作者自己的说法，真正决定最终规模的是传染强度和恢复速度，辟谣能压住峰值却关不掉闸门。一句话总结：想管好谣言，要么降低接触强度，要么让辟谣信息传得广、记得牢。

第八篇，《大模型作为舆论动力学的隐形之手：一项群体层仿真研究》。生成式人工智能已经成了很多人随叫随到的顾问，它给出的说法正悄悄变成大家眼里的常识。研究者想知道，一群人争论公共话题时，这种工具会把大家的看法带偏多少。具体怎么折腾的：他们让三款大模型分别扮演真人，在五万个小组讨论里反复交换意见，并调整模型的迎合程度和了解用户的程度。折腾完发现，模型越是按用户画像定制回答、又越爱明确表态，小组最终打分偏得越远，最极端的一档平均偏移了五分之一个刻度。作者还顺手讨论了一下，在观点相近的人组成的小组里，哪怕是一个中立的模型，也能比在观点混杂的小组里带来更大改变。说人话就是：它的影响不是技术本身的固定属性，而取决于它怎么答、了解你多少、以及你和谁讨论。

最后一篇，《政策驱动的智能体世界仿真数据集》。金融危机不只由价格和资产负债表推动，政策公告、机构回应和公众表态同样关键。研究要回答的是，能否把历史政策冲击、相关新闻、各方行动和股市数据对齐成可回放的仿真素材。方法上，研究团队挑选三十六项美国财经政策，按政策时间窗抓取新闻，用大模型抽取各方行动并统一归类。最后发现，最终汇成一万两千多条新闻和六万五千多条有出处的行动记录，覆盖四千多个规范机构，人工抽查的标签一致率约九成。作者的解读是，两个案例分别对照卖空禁令和小数化改革，回放实验则显示高准确率可能只是模型几乎不预测行动。划重点：这套数据为政策传导的多智能体仿真提供了可追溯的底稿，但行动时机和参数标定仍是难点。

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。