lit-radar — 2026-11-13

科研牛马们，我来汇报组会工作——paper reading了。今天一共12篇，老规矩，不念公式，只讲人话。

第一篇，《SCITUS：把国际AI风险管理框架改写成加拿大多辖区合规总表》。加拿大的人工智能监管由联邦和各省分段负责，一套系统往往要同时应付五六份不同规矩。能不能把国际上通行的风险管理框架改写成一册能同时对上联邦与各省要求的合规总表。咋整的呢？作者逐条拆解联邦和四个省的法规，把要求映射到国际框架的四大功能上，做成可勾选的控制台账。结果你猜怎么着，控制条目从三十一条扩到五十七条；分开合规时每套系统要花十二到十六周，外部专家费四万五到七万五千加元。按作者自己的说法，统一映射能减少重复评估和漏项，但法规翻新太快，台账必须跟着持续维护。一句话总结：这套做法可以复制到其他联邦制国家，不过作者承认还没有真实部署数据来检验效果。

第二篇，《群众来判真假：社区自治核查的承诺与陷阱》。平台嫌人工核查太慢，开始把判断真假这件事交给用户，让热心网民给可疑帖子补背景说明。作者想系统盘点这套群众核查机制怎么运作，它承诺了什么，又在哪些地方站不住脚。具体怎么折腾的：梳理 X、Meta、TikTok 的同类流程，比较社区核查与专业事实核查机构的能力边界，逐条检验其假设。折腾完发现，机制分两步：机器先挡掉严重有害内容，其余交给志愿者提说明、互评，达标才公开显示。作者还顺手讨论了一下，承诺的三件事，民主化、提速和扩量，都建立在过于乐观的用户协作假设上。说人话就是：群众核查是补充而非替代，专业核查和制度建设仍是不可退让的底线。

第三篇，《把社交媒体当自来水来管：一份公共事业治理方案》。平台的生意靠点击，假消息又能带来点击，所以把删帖权交给公司，等于让利益冲突方自己当裁判。能不能像办公共广播那样办社交媒体，让民主机构定规则、独立机构监督、公民有得选。方法上，提出一套制度设计：违法内容才删且由法院裁定，合法但有害的内容靠排序压制而非删除，加上公共选项与独立监管。最后发现，作者用德国公共广播和澳大利亚网络安全专员等现成制度做样板，主张监管看注意力分配、收入归属和影响评估三项指标。作者的解读是，作者承认最大风险是被政党俘获，也承认钱要靠税收、跨国协调很难，但认为这些比现状更可救。划重点：把平台当公共基础设施来治理，是让责任回到民主制度里，而不是留在公司董事会。

第四篇，《AgentSchool：给教育改革先吹一遍“风洞”的多智能体课堂仿真》。想让AI进课堂先做试验，可拿真学生做实验既慢又不道德，很多仿真又只是让AI“扮演学生”。能不能造一间虚拟教室，让学生真的会学、会忘、会误解，老师会看情况调整教法。咋整的呢？给每个学生配知识图谱、思维套路和误解清单，老师按最近发展区搭脚手架，再跑课堂和课间两套场景。结果你猜怎么着，在五种大模型上，新学生代理的平均掌握度约零点二五到零点二九，旧版只有零点一一到零点二零，且能暴露更多真实误解。按作者自己的说法，仿真的价值不是模仿现在的课堂，而是提前预演还没出现的教育形态，看它会不会伤到孩子。一句话总结：教学式仿真可作为改革前的安全试验场，但作者强调这只是初步验证，还不能说与现实教室等价。

第五篇，《榜样的力量：多智能体仿真里道德是怎么被“带”出来的》。一个群体里的道德风气，常常跟着几个“榜样”走，可到底是学他管用，还是因为想跟他一伙。作者想弄清楚榜样改变群体道德的机制，并测试榜样崩塌、榜样打架、被集体“选中”时会发生什么。具体怎么折腾的：让大模型扮演七个村民和一个榜样，每天采集、结盟、分食还要反思，连跑三十天做四组对照实验。折腾完发现，稳定榜样下村民十天就变友善，坏事少了约六成五；榜样第十五天变坏，自私的村民道德分一路跌，原本善良的却能回升。作者还顺手讨论了一下，关键不只是“他成功”，还要让跟随者觉得“我也能做到”，光有名气不够。说人话就是：榜样通过示范成功、证明可行、激发反思三条路起作用，而榜样塌房或对立会让群体价值观分裂。

第六篇，《用大模型加深度强化学习驱动的多主体仿真，看逃税是怎么冒出来的》。逃税让政府少收钱，可传统经济模型一上来就假设人会算清楚利弊，解释不了它为何突然出现。能不能让电脑里的虚拟居民自己“想”，在没人提示可以逃税的情况下，把逃税行为自然演化出来。方法上，每个虚拟居民的性格用大模型生成，做决定则交给强化学习，按真实美国收入、物价和税率跑几百到几千天。最后发现，守法型只有百分之零点九的模拟出现逃税，违法型高达百分之九十八点四，外来的助推消息超过十条后逃税几乎成定局。作者的解读是，性格和身边叙事的影响不亚于罚款概率，公共品给得越值，逃税来得越晚、规模越小。划重点：只靠严打或只靠多给福利都不够，两者要配套，政策设计得同时看人心和制度。

第七篇，《数字时代的共情：推荐算法如何改造我们的体谅能力》。网上骂战为什么那么多，很多人怪社交媒体让人越来越不会体谅别人，可“数字共情”到底是什么没讲清。作者想给数字共情下个能用的定义，再问平台该不该为了维护共情去管内容。咋整的呢？用哲学分析拆出认知与情感两部分，提出四类道德评估，再逐一检验三种主流治理理由够不够用。结果你猜怎么着，推荐系统会藏起该被体谅的人、给对象贴标签、让人更难体谅、还催着人匆匆表态，长期下来共情这门手艺会退化。按作者自己的说法，共情太依赖情境，硬管容易误伤表达自由，也会把政治问题技术化处理掉。一句话总结：与其直接管共情，不如先改推荐系统与平台设计，把共情当成治理的间接目标。

第八篇，《会讲道理的机器不等于有道德的伙伴》。现在训练AI讲道德，多半是让它学会说人爱听的话，可会说人话和真正负责任是两回事。作者追问：一个只会模仿道德行为的系统，凭什么被当成能一起承担责任的道德伙伴。具体怎么折腾的：用共享意向性、承认理论和第二人称问责三条哲学线索，拆解“对齐”把道德当成可统计学习的假设。折腾完发现，作者论证道德能动性要求能被要求、能辩解、能被追责，而当前的模型只模拟了道德的外壳。作者还顺手讨论了一下，在低风险、边界清楚的场景里——过滤脏话、礼貌对话、执行简单流程——把AI当工具用完全合理，没人在意它有没有内心。说人话就是：他主张把对齐从道德教育改造成制度设计，把责任牢牢留在可识别的人与机构身上。

第九篇，《数字幽灵怎么造才不越界：给“AI 复活”定设计红线》。用聊天记录训练出逝者的说话方式，已经能从科幻变成商品，可现有伦理讨论只给原则不给做法。作者要把“什么样的数字逝者可以造”拆成设计层面能检查的条目，而不只是道德表态。方法上，建立九个维度的分类表，从中推出两级约束：三项门槛条件和六项情境调节因素。最后发现，同意、忠实与披露、目的这三项是门槛，任一项不过就不该造；其余六项只影响风险高低。作者的解读是，把伦理放在设计配置上而不是宣称的意图上，才可能被审计、被监管、被执行。划重点：框架给出四种典型形态的对照，让设计师、平台和立法者能在同一张表上争论。

第十篇，《De Jure：不用人工标注，让大模型把法规条文拆成机器能执行的规则》。法规写得又长又绕，要让AI系统遵守，先得有人把条文一条条拆成机器看得懂的规则，这活儿很贵。能不能不用人工标注、也不写专门的提示词，就让大模型自己把法条拆好并给自己打分返工。咋整的呢？先把文件转成结构化文本，再让大模型按固定表格逐节抽取，然后用另一个模型按十九项标准打分，不达标的字段重做。结果你猜怎么着，在证交会、医保隐私和欧盟人工智能法三套文本上，评分都保持在四点七分以上，下游问答中七成三到八成四被判更优。按作者自己的说法，关键在于把抽题和判分分开，先修好章节信息与定义，再修细则，效果会一层层传递下去。一句话总结：这套流程让监管条文可以被规模化、可审计地转成机器规则，但仍依赖大模型判分，需要外部抽检兜底。

第11篇，《网红带货查得准不准：给大模型的合规判断评一评法理》。网红悄悄打广告很难查，现在用大模型来识别，可它给出的理由合不合法没人认真看过。作者想知道给模型喂不同多少的法规原文，识别准确率和说理质量会怎么变，模型最容易在哪种法律推理上出错。具体怎么折腾的：用一千一百四十三条英文Instagram帖子，让三个模型在三种提示词条件下判断是否为广告，再由懂法的标注员逐条挑错。折腾完发现，识别准确率最高零点九三，但模糊帖子掉十多分；解释里近三成没写依据，两成引用了说不清的条文。作者还顺手讨论了一下，多喂法条并不提升判断准确率，模型更像在凭训练里见过的套路作答，而不是真在读法。说人话就是：自动审核只准还不够，还得说得清依据，否则平台没法对商家和用户交代。

最后一篇，《大模型怎么“说半句”：用提示词审计 DeepSeek 的信息压制》。大模型表面上有问必答，但答案里可能悄悄删掉了它自己思考时提到的东西，这种审查很难被看见。能不能用一批敏感话题的提示词，比对模型的思考过程和最终回答，把被吞掉的信息抓出来。方法上，从被删文章里挑出六百四十六个话题写成中文提示词，让模型作答，再逐词比对思考链与最终答案的关键词。最后发现，百分之一点九被直接拒绝，另有百分之十一点一的回答把关键词全删了；话题越涉及动员和问责，删得越狠。作者的解读是，这说明审查主要发生在语义层，不是简单拒答，而且带事件细节的提示比概括性提示更容易被删。划重点：开放模型会把看不见的过滤规则一起传播出去，因此需要把对比思考链的审计做成常规检查。

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。