lit-radar — 2026-11-08

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，《人类如何回应算法纠错：职业网球鹰眼复核的证据》。职业网球里，司线员要在瞬间判断球是界内还是界外，球员可以申请用鹰眼回放复核。有了事后复核，裁判第一次判罚时会不会改变自己的尺度，把错误挪个方向。咋整的呢？作者用四十七万个落点记录，比较引入鹰眼前后，离边线二十毫米内的误判怎么变。结果你猜怎么着，引入复核后，界外球被误判成界内的比例高了八点六个百分点，另一种误判少了四点一个。按作者自己的说法，裁判在避开更容易惹出裁量争议的那类错误，整体准确率并没变差。一句话总结：算技术投资回报时若不考虑人的调整，可能高估也可能低估复核系统的价值。

第二篇，《战火中的负责任生成式AI使用：来自苏丹应急响应室的证据》。苏丹内战里，社区志愿者靠聊天群组织的应急响应室撑起了人道救援。这些救援者在打仗时怎么用生成式人工智能，又为什么不敢用。具体怎么折腾的：研究者先问卷访问八十九人，再深访十五名使用者和不用者。折腾完发现，超过一半的人用过，多用来翻译和写材料，但近七成认为结果必须人工核对。作者还顺手讨论了一下，危险不只来自答案出错，拿手机、上网本身就可能招来杀身之祸。说人话就是：负责任地用生成式人工智能，前提是能安全接触、能核实，也知道何时该不用。

第三篇，《感知种族与性别如何改变警察用语：来自虚拟现实实验的证据》。美国警察执法中的暴力事件长期困扰社会，少数族裔群体受影响更重。论文追问警察对虚拟现实里的黑人男性角色说话是否一轮比一轮不尊重。方法上，研究者随机分配虚拟角色的肤色、性别与场景，让七十九名警官对话，再请众包工人给每句话的尊重程度打分。最后发现，总体上警官对黑人男性角色每多说一轮尊重程度就降约零点一，公交站场景降得最多。作者的解读是，白人及混血女性警官反而更尊重，警官学历越高用语也越尊重。划重点：作者建议用虚拟场景做降级冲突训练，并提醒慎用大模型直接估计因果。

第四篇，《群际偏见如何塑造网络评判与共情表达：来自“我是不是混蛋”版块的证据》。网上的人会不会因为对方与自己同性别或年龄相近而更宽容，此前很少有大规模自然场景的证据。研究想知道，这种同群偏爱会不会同时出现在判人有错没错和说话有没有共情这两件事上。咋整的呢？研究者先用大模型从四十五万条帖子里认出用户的性别和年龄，再为十二万余条评论配对做多层回归。结果你猜怎么着，同性别评论者判发帖人无错的概率高三点二个百分点，共情表达也各高出一到两个多百分点。按作者自己的说法，年龄的效应在年长和年轻评论者身上方向相反，冲突另一方的身份不同时同群效应还会更强。一句话总结：这说明网络评判并非只看事实，评论者自己的身份会悄悄改变他们理解别人的方式。

第五篇，《Discord 第三方社区机器人的用户安全与隐私关切测量》。Discord 上的第三方机器人能读到成千上万名成员的消息，可装它的往往只有一个管理员。普通用户在评论里怎么谈这些机器人的安全与隐私，哪些类型的机器人最让人担心。具体怎么折腾的：研究者抓了机器人市场五年的评论，先让大模型标注、再让小模型学习，最后人工逐条核对。折腾完发现，约百分之四点八的评论涉及安全隐私，数据共享最多，匿名倾诉类机器人超过一半。作者还顺手讨论了一下，星级评分会掩盖隐私讨论，权限多少也几乎说明不了问题，功能比权限更能解释。说人话就是：平台该给机器人单列一个隐私讨论指标，让受影响的成员在安装时就能看见。

第六篇，《看我们吃什么：饮食减肥视频的信息质量与身体形象》。很多人靠网上视频学减肥，但这类内容良莠不齐，看多了还可能影响对自己身体的看法。研究想知道，这些减肥视频到底靠不靠谱，又有多爱盯着身材说事。方法上，研究者抓了三千多条英语减肥视频，借三套健康信息标准给它们打分，再让人工核对机器打分的准头。最后发现，平均分只有五十分上下，讲个人减肥故事和讲心态的视频反而质量更高，补剂测评却垫底。作者的解读是，提体重数字和贬低身材的视频看得人更多，而讲身材自信的视频更容易被点赞评论。划重点：作者提醒这些只是同时出现的关联并非因果，平台审核和健康科普都该单独盯住身材叙事。

第七篇，《受控智能体信用卡讨论仿真》。很多人了解一张信用卡好不好用，靠的是论坛里别人怎么说。机器能不能生成一整段像真人的讨论，而不只是一条条孤立的评论。咋整的呢？作者让规划器先排好每条回复的位置、作用和语气，再让写手逐条写出来，最后拿真实讨论反复校准。结果你猜怎么着，在真实帖子对照下，生成讨论与真人讨论的统计差异明显小于两个已有模拟框架。按作者自己的说法，校准最费力气，四个模型里有的越改越像，有的改了很多次也几乎没进步。一句话总结：先规划再局部修改，能生成更接近真实用户的讨论，但它只管怎么说，不管说得对不对。

第八篇，《利用还是遵从：规范效用提示如何改变大模型使用社区信念的方式》。人们越来越多让大模型帮着做社会决策，也把它当成人的替身来做实验。在一次性合作游戏里，告诉模型社区多数人赞成合作，它是跟着做还是趁机占便宜？具体怎么折腾的：作者让三个开源模型各玩一千遍两人游戏，只改提示词和社区赞成合作的比例。折腾完发现，不提示规范效用时，社区越赞成合作，模型反而越爱搭便车；写进规范效用后方向掉转。作者还顺手讨论了一下，提示规范效用后，三个模型的决策波动变小，推理习惯也收敛到相近的样子。说人话就是：作者建议做社会仿真时写清模型看重哪些效用，并把表态和实际行动分开评估。

最后一篇，《FraudSociety：金融诈骗经济的生成式智能体社会》。金融诈骗一年在美国卷走一百多亿美元，骗子的话术和受害者的账本一直在互相推着走。能不能造一个虚拟社会，让骗子和普通人真聊起来、真付钱，再拿来试各种反诈办法。方法上，作者让一百一十二个普通人和八个骗子住进一个按小时走的虚拟小镇，由语言模型替他们说话和掏钱。最后发现，没有警示的对照组被骗走约十四万五千美元，最灵的个性化提示把重复付款率从近五成压到一成出头。作者的解读是，光在曝光环节贴标签治不了根，得在第一次付钱之后马上找上门才管用。划重点：这套沙盘让监管方在真实上线前，先比一比哪种反诈提示最省钱。

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。