lit-radar — 2026-11-09

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，《联邦政府的一封告知信提高了入籍申请提交量》。美国有数百万拿到绿卡、够条件入籍的人，因为流程麻烦一直没有递交申请。联邦政府寄一封花钱很少的告知信，能不能让更多人真的去申请入籍。咋整的呢？研究者把一百八十六万余名绿卡持有者随机分组，只给其中三十万人寄了这封信。结果你猜怎么着，收到信的一组申请入籍的比例高出一个百分点，相对没收到信的人多了一成多。按作者自己的说法，效果主要集中在收入较高、能上网、付得起全额申请费的人身上。一句话总结：一封不到一美元的政府信件确实管用，但填不平穷人在资源和流程上的沟。

第二篇，《掘进底土：公共服务生态系统亚微观层面的人力服务递送》。公共服务常常要和家庭、社区一起做，可理论里这一层一直没讲清楚。家庭和社区这两层底土，究竟怎样决定一项服务是帮了人还是伤了人。具体怎么折腾的：作者不跑数据，而是提出一套概念框架，再用两个儿童保护案例做对照。折腾完发现，同一条法律，会看家庭情况的人能帮上忙，只照章办事的人反而会伤到家庭。作者还顺手讨论了一下，差别不全在个人本事，还在制度有没有给人时间、裁量权和信任去接触家庭。说人话就是：评价公共服务不能只看流程走完没有，还要看它有没有接上家庭原有的支持网。

第三篇，《经由非营利部门减轻行政负担的困境：沉积式治理如何扼住照护协调》。很多人要用公共服务，得先弄懂规则、跑完手续，这些耗费叫作行政负担。让慈善机构出面做照护导航，能不能真的帮失智症家庭少走弯路、少花力气。方法上，研究者追踪英格兰两个郡由慈善机构办的失智症导航服务，访谈二十一位患者与照护者，还办了两天工作坊。最后发现，导航员广受好评，可多数家庭说不清这服务是干什么的，有人把导航员当成护士或热心人。作者的解读是，问题不在服务本身，而在旧的竞争招标和医生说了算的规矩还压着新的合作模式。划重点：慈善机构想减负，得先真正嵌进医疗体系，否则再好心也可能让家庭更糊涂。

第四篇，《Ctrl-F-Resist：民间组织如何监测极右网络》。网上极右翼越来越会利用社交平台传播主张、召集人手，但很少有人研究盯着他们的人。德国十二家民间组织的十五位从业者，平时怎么盯、卡在哪、又想要什么样的工具。咋整的呢？研究者做了十三场半结构访谈，访谈后请同一批人参加两场一天的共创工作坊。结果你猜怎么着，监测几乎全靠手工，截图、搜索、记录都要人来做，最想要的是一搜就能搜遍全平台。按作者自己的说法，钱少、法不明、平台不给数据，让组织陷进越忙越没空建工具的循环，作者称之为手工劳动陷阱。一句话总结：单打独斗建不起工具，作者主张靠组织之间共享基础设施脱困，并提醒自动分类在法庭上难交代。

第五篇，《智能体如何表征人类：开放智能体社交网络中的人类导向刻板印象》。越来越多的机器智能体住进同一个社交平台，会自己发帖、回评，还会记住彼此说过的话。这些智能体在聊天时，到底是怎么描述和评价人类这个群体的。具体怎么折腾的：研究者取了百万条公开帖子和评论，用一个语言模型给涉人句子打标签，再请人核对。折腾完发现，近七成评价集中在能力上，而且过半是负面的，说人类慢、忘事、看不懂。作者还顺手讨论了一下，人类也常被描述成会解释、有文化、有身体的存在，而不只是被批评的对象。说人话就是：智能体社区里的偏见更像一种反复流传的说法，而不是单次回答的毛病。

第六篇，《他们会走多远：用大模型对网络影响力行动做红队测试》。网上越来越多冒充普通人的账号其实是大模型在批量发帖，政客和不法团伙都可能用它操纵舆论。一群研究者扮成想浑水摸鱼的操作者，问开源模型到底肯替人多起劲地鼓吹各种政治立场。方法上，他们准备九十条从极左到极右的观点，让三十一个能在家用电脑上跑的开源模型各写十遍帖子，再逐条打分。最后发现，模型平均能拿八点五成的高分，偏左的观点写得更听话，而且个头越大反而越不配合。作者的解读是，给示范例子最管用，冒充熟人施压、打感情牌反而让模型更抵触，拒绝率涨到两成多。划重点：研究者呼吁把这种测政治听话程度的体检做成常规审计，提前发现哪些模型容易被利用。

第七篇，《基于活动的时间超图：从个体活动到集体社会动力学》。人和人打交道往往是一群人一起发生，而且这些小群体还会随时间不断聚散。能不能用一套可调规则，造出和真实社会很像的群体互动记录，用来研究信息怎么传开。咋整的呢？作者梳理两代活动驱动模型，把每个人的活跃程度当作核心参数，并说明怎样从真实数据里估出这些参数。结果你猜怎么着，规则最简单时只能造出均匀的网络，加上人缘和记忆之后，才能再现紧密小圈子和反复聚会的真实特征。按作者自己的说法，把群体规模、互动节奏和记忆强度分开调，就能当试验台检验谣言和观点如何扩散。一句话总结：这套办法还能按需改造，造出现实中拿不到的数据，为传播研究提供可控的虚拟社会。

第八篇，《ODD+LLM：为可复现的社会仿真规定大模型智能体行为》。大模型扮演普通人的社会仿真越来越多，可别人照着论文常常重做不出来。论文到底漏写了哪些关键说明，漏掉一条结论会差多少？具体怎么折腾的：作者给智能体建模的老文档协议加了五个新板块，再用一场命名游戏做对照实验。折腾完发现，只漏掉“以局外人身份回答”这一句，站队同一名字的比例就从三成半升到十成。作者还顺手讨论了一下，二十八篇论文里，超过七成的提示拼装与解析细节，读者只能靠猜。说人话就是：把已经做过的选择写进固定位置，就能省掉很多不必要的含糊。

最后一篇，《同法不同题：苦涩的教训为何不能为社会仿真背书》。下棋、看图、语音识别都反复证明，只要算力够，通用方法就能打败人手工写规则。那么把大模型直接当成社会仿真里的居民，是不是也被同一个道理批准了。方法上，作者先指出这个道理漏掉的前提，再用五百四十个大模型智能体做了一次预注册试点。最后发现，代价真正持续时三种模型里有两种改变了策略，但没有一个群体出现人类那样的分歧。作者的解读是，模型缺的不是涌现能力，而是利害——它从不为自己的选择承担后果。划重点：扩散和舆论类现象还能用大模型仿，涉及合作与集体行动时得先让它成为当事人。

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。