lit-radar — 2026-11-10

科研牛马们，我来汇报组会工作——paper reading了。今天一共11篇，老规矩，不念公式，只讲人话。

第一篇，《TESSA：面向欧盟人工智能法中小企业合规的治理型定制助手》。欧盟人工智能法条文复杂，中小企业请不起律师，很难搞清自己该履行哪些义务。做一个专门讲这部法律的问答助手，能不能比通用聊天机器人更贴合治理要求、又不出错。咋整的呢？作者用设计科学方法做了 TESSA，把法条知识库、提示设计和护栏装进定制助手，再用一百道题和律师评审对照通用模型。结果你猜怎么着，TESSA 的治理贴合度略高，但通用模型在法律准确性和幻觉风险上反而更好，两者一致性都很高。按作者自己的说法，专用助手改变的是回答的关注点，而不是全面超越通用模型，差距主要来自知识库与提示设计。一句话总结：治理型助手适合做合规入门引导，但不能替代法律意见，上线需保留人工复核和来源标注。

第二篇，《攻破与防守：大模型驱动的社交媒体机器人检测系统》。平台用大模型来识别水军机器人，可攻击者也能反过来利用大模型的弱点来伪装。大模型检测器到底怕什么样的攻击，能不能设计一套更抗打的组合方案。具体怎么折腾的：作者提出两种攻击：改内容、改提示，测了多个模型，再搭一个多模型投票的防守系统叫 LSABRE。折腾完发现，两种攻击最多让检测准确率掉四十八个百分点，而组合防守在强攻击下仍保持八成六的准确率。作者还顺手讨论了一下，单一模型检测器太脆，必须在语义和上下文两个层面同时设防，并定期对抗演练。说人话就是：机器人检测正在变成一场持续的攻防战，平台需要把对抗鲁棒性当作上线指标。

第三篇，《仇恨言论法支持度：被攻击的是谁，重要吗》。该不该立法限制仇恨言论一直吵得很凶，大家常以为分歧在于“要保护哪个群体”。同一句话针对不同群体时，公众支持立法的程度会不会不一样，党派立场又起多大作用。方法上，作者在美国和丹麦各做了一次联合实验，把言论的严重程度和攻击对象随机组合，让近两千八百人逐条打分。最后发现，严重程度的影响最大，从冒犯升级到煽动暴力，支持率最多涨三十二个百分点；攻击对象只带来最多六点三个百分点差别。作者的解读是，公众主要看话说得有多狠，而不是被骂的是谁；党派分歧也没有想象中那么大。划重点：立法讨论应聚焦暴力与威胁的边界，而不是纠缠于“保护哪个群体”的象征性争论。

第四篇，《把信任制度化：数据信用担保组织的信任锚模型及其仿真比较》。数据交易市场越来越大，可买卖双方互不信任，谁也不敢保证拿到的数据是真的、干净的。如果成立一个第三方“数据信用担保组织”给数据做认证背书，它到底能不能让市场变好、在什么条件下才划算。咋整的呢？作者把中世纪商人法的信誉机制改造成智能体仿真，给数据加上三个特点，再对比两家直接交易和有担保组织两种情况。结果你猜怎么着，有担保组织时买方收益几乎达到理论最高值，数据掺假率从约三成降到千分之一，只有认证费很高且几乎没人造假时才不划算。按作者自己的说法，光有记录共享不够，必须先核实卖家身份；事前验证是唯一能阻止伤害扩散的环节。一句话总结：数据信用担保在多数市场环境下值得做，但要管好收费、防止垄断，并帮助新机构获得起步规模。

第五篇，《谣言球：百万级智能体动态谣言传播仿真框架》。谣言在网上传播很快，想提前推演它怎么扩散，就需要能模拟几百万人的仿真系统。能不能在几百万人的规模上，既让关键人物像真人一样思考，又让整个传播过程逼近真实数据。具体怎么折腾的：作者只让少数关键节点调用大模型，其余人用轻量规则模型，并搭了一个有意见领袖和小圈子结构的分层网络。折腾完发现，在三组真实推特谣言数据上，模拟误差平均降低约百分之二十六，模拟曲线与真实走势的相关系数达到零点七四。作者还顺手讨论了一下，关键节点要动态挑选、网络结构要分层，这两点缺一不可；只用规则模型会明显失真。说人话就是：这套框架把大模型的真实感和规则模型的高效率结合了起来，可以支撑百万级谣言推演和干预预案测试。

第六篇，《社会福利函数排行榜：当大模型智能体来分配社会福利》。大模型开始替人做分配决定，比如有限的岗位和资源该给谁，可没人知道它心里按什么标准分。当模型手里只有一份资源、要分给一群人时，它到底追求整体产出还是照顾弱者，会不会偏得很厉害。方法上，作者搭了一个近百轮的分资源模拟场，让二十个大模型轮流当分配者，再用随机、效率优先、公平优先几种规则做对照。最后发现，二十个模型普遍偏向效率，把差距越拉越大；聊天排行榜第一的模型在分配榜上掉到倒数第二。作者的解读是，会聊天不等于会分钱，模型的分配倾向还会被字数限制和劝说话术轻易带偏。划重点：不能只看聊天榜就派模型去做社会福利决策，需要专门的分配评测和针对性校正。

第七篇，《跨范式审计：用大模型给临床文本打分到底靠不靠谱》。医院开始用大模型给 AI 写的病历打分，代替专家评审，可没人系统检查过它准不准。在德语临床文本上，用大模型当裁判，和真正的专家评审相比，偏差有多大、错在哪。咋整的呢？作者拿四套德语临床数据、六个开源模型、三种评分方式和四种提示写法，逐一和专家打分对照。结果你猜怎么着，换成模型裁判后，近六成的单项评分档位变了，四成多的两两比较结果被反转，还漏掉一成多的临床错误。按作者自己的说法，模型裁判并不是更严格或更宽松那么简单，它会系统性地偏爱简洁、低估详尽，临床优先级被颠倒。一句话总结：在临床场景里，大模型裁判还不能替代专家，只能做辅助；上线门槛要按决策影响来定。

第八篇，《法定对齐：用成文法规范约束大语言模型》。现在给大模型做安全对齐，多靠人写的原则或笼统的“对人类好”，可这些标准要么太费人，要么太模糊。能不能直接拿真实的法律条文当规矩，让模型自己先判断问题属于哪类，再对着法条检查和改写回答。具体怎么折腾的：作者用法国刑法里的五类罪名建了一个法条库，让模型两轮思考：先分类，再对照相关条文批判和改写，用一千条攻击提示测试。折腾完发现，有害回答比原来减少五十二到五十九个百分点，比常规的宪法式对齐还多约十个百分点，计算时间省了一半以上。作者还顺手讨论了一下，法律条文比抽象原则更具体、更可执行，模型知道该守哪条线，也知道为什么。说人话就是：用成文法做对齐是一条可落地的治理路径，但法条库要维护、跨法域要适配，判断仍依赖模型自身。

第九篇，《ARCHER：把法规变成可执行代码的智能体合规审查框架》。盖楼前要按成千上万条建筑规范逐条核对图纸，人工做又慢又贵，还经常漏。能不能让 AI 把写在纸上的法规自动翻译成可以运行的检查程序，而且结果可审计、能换模型。方法上，作者设计了六个越来越复杂的提示与智能体组合，在十条真实规范和四个不同档次的大模型上逐一对比。最后发现，最复杂的编排方案在每个模型上都最好，平均准确率比单次提问高八成；本地小模型也能达到前沿模型九成七的水平，成本只要四分之一。作者的解读是，关键不在于模型多强，而在于把计划、生成、评估拆成固定分工，弱模型才不会乱来。划重点：监管合规可以交给可审计的智能体流水线，但必须保留生成出来的检查代码供人复核。

第十篇，《配置即伦理：编码智能体指令文件中的 AI 伦理原则》。现在很多程序员用 AI 写代码，而 AI 听不听话，靠的是项目里那些提示词和技能配置文件。这些配置里到底有没有写伦理要求，写的是哪些，又是写给谁看的。咋整的呢？作者扫了近九千个开源仓库、四万份配置文件，用经过人工校验的大模型分类，再细读七百多份样本。结果你猜怎么着，约四成文件写着伦理要求，六成仓库至少有一处；内容集中在问责、透明、隐私和可靠，而且技能文件比全局配置写得多。按作者自己的说法，公共伦理框架保护的是社会和用户，而开发者写配置时更关心自己和团队，两者关注点明显错位。一句话总结：配置层正在成为事实上的伦理治理入口，但写了不等于会执行，需要工具和规范来保证落实。

最后一篇，《SkillCODER：面向智能体技能版权审计与买家溯源的编码方案》。智能体技能是可以买卖的文本产品，但买家用完转手倒卖、或把别人的技能改头换面再发布，很难查。能不能在技能里埋下看不见的“产权指纹”，既不破坏可读性，又能查出是谁泄露的。具体怎么折腾的：作者把技能拆成结构化的段落锚点，在锚点上分散写入条件指令，再用纠错码给每个买家编一个专属词汇指纹。折腾完发现，在三个领域、六个模型、三种框架上，识别原作者准确率百分之九十九点二，识别泄露买家百分之九十九点三。作者还顺手讨论了一下，技能越长越适合结构化埋点；即便对方改写、压缩、删条款，所有权证据仍能被检出。说人话就是：这为技能市场提供了一种可审计的版权保护手段，也提醒监管者技能供应链需要溯源机制。

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。