一种降低 X 信息流党派敌意的新工具 ^{CEFR B2}

研究发表在 Science 上，描述了一个能在不删除内容且无需平台直接配合的情况下，降低 X 信息流中党派敌意的工具。团队制作了一个与大型语言模型配套的网页扩展，实时扫描帖文里带有反民主倾向和党派敌视的语言，例子包括煽动暴力或主张监禁政治对手，然后在用户信息流中将这些帖文向上或向下重新排序，整个处理过程只需数秒。

实验包含两部分：一项是大约 1,200 名志愿者在 2024 年选举期间连续使用该工具 10 天；另一项为期七天的分组试验，不同组别看到的信息流中相关内容被下调或上调，而对照组的信息流没有重新排序。研究强调没有任何帖子被删除，仅改变了显示顺序。

研究结果表明，被下调反民主内容的参与者对对方政党的人感到更“温暖”，这一效应在自认自由派与保守派的人群中均有出现。研究者在实验前后用 1 到 100 的量表对参与者进行调查：看到负面内容被下调的群体态度平均改善了两点，研究者并指出这一变化与估计美国人口在三年内态度变化的幅度相近。

联合作者华盛顿大学的 Martin Saveski 指出，该工具为外部研究人员研究算法设计提供了可能。约翰斯·霍普金斯大学的 Tiziano Piccardi 也表示，接触较少目标内容时参与者感到“更温暖”，接触较多时则感到“更冷”。团队结合信息科学、计算机科学、心理学与传播学来界定有害内容类别，包括拒绝两党合作、怀疑对方有利事实，以及为偏好政党放弃民主原则的意愿。研究已公开代码，资助来自美国国家科学基金会、瑞士国家科学基金会和斯坦福以人为本人工智能研究所的 Hoffman-Yee，其他合著者来自东北大学和斯坦福大学。