论文解读

Seongchan Park · Hyunho Jeon · Byungsoo Kang · 3+

中心化交易所（CEX）是传统金融与数字资产市场之间的关键通道，但识别其区块链地址仍然困难。现有方法常依赖不透明的归属标签，或将交易所视为次要分类目标，对未见交易所的泛化能力考察不足。本研究利用储备证明（PoR）披露构建分类框架，涵盖来自 15 家 CEX 和五个非 CEX 类别的 3,033,857 个以太坊地址。提取 58 个链上行为特征，在留一交易所（leave-one-exchange-out）协议下比较 LightGBM 与逻辑回归（LR）。在 30 至 730 天的五个回看窗口上，LightGBM 始终优于 LR：使用选定的 17 个特征时，宏平均 PR-AUC 从 0.6611 提升至 0.9594，而 LR 在 730 天时为 0.7697。稳健性检验显示，在不同划分与留出交易所上重复特征选择和超参数优化时性能相当，交易所均衡重加权进一步提升了宏平均 PR-AUC。SHAP 分析和特征组消融表明，gas 行为、ERC-20 代币活动和内部交易是所构建数据集中的关键预测信号。这些发现支持用于区块链监控的可解释 CEX 地址筛查，同时发布的特征数据集可支持可复现的后续研究。

Alexander Loth · Martin Kappes · Marc-Oliver Pahl

人类能否分辨一篇新闻文章由人还是大语言模型（LLM）撰写？通过 JudgeGPT 平台，在连续量表上独立测量来源归因（人类 vs. 机器）与真实性判断（合法 vs. 虚假）。从 1,054 名参与者对六个 LLM 生成内容的 2,318 次判断中，报告五项发现：(1) 参与者无法可靠区分机器生成与人类撰写文本（p > .05，Welch's t 检验）；(2) 该无法区分现象在所有测试模型上均成立，包括参数低至 7B 的开源权重模型；(3) 自报领域专业知识预测判断准确率（r = .35，p < .001），而政治倾向不预测（r = -.10，n.s.）；(4) 聚类揭示出不同响应策略（“怀疑者” vs. “相信者”）；(5) 约 30 次连续评估后，因认知疲劳准确率下降。简言之，答案是否定的：人类无法可靠分辨。结果表明用户侧检测不是可行防御，需推动系统级对策如加密内容溯源。

Alexander Loth · Martin Kappes · Marc-Oliver Pahl

随着基础模型（foundation models, FMs）接近人类水平的流畅度，区分合成内容与真实内容已成为可信网络智能的关键挑战。本文提出 JudgeGPT 与 RogueGPT 双轴框架，将“真实性”与“归因”解耦，以研究人类易感性的机制。通过分析五种基础模型（包括 GPT-4 和 Llama-2）上的 918 次评估，采用结构因果模型（Structural Causal Models, SCMs）作为主要框架，构建关于检测准确率的可检验因果假设。与党派叙事相反，政治倾向与检测表现关联可忽略（r=-0.10）。相反，“假新闻熟悉度”成为候选中介变量（r=0.35），表明接触可能对人类辨别者起到对抗训练的作用。研究识别出“流畅性陷阱”：GPT-4 输出（HumanMachineScore: 0.20）绕过来源监控机制，使其与人类文本难以区分。这些发现表明，“预揭穿”干预应针对认知来源监控而非人口统计细分，以确保可信的信息生态系统。

Jordan L. Cahoon · Chloe Stanwyck · Asad Aali · 4+

临床笔记常因模板、复制粘贴及自动填充产生大量重复文本（笔记膨胀），稀释临床信号并增加大语言模型（LLM）成本。TRACE 利用电子健康记录（EHR）元数据识别模板化及复制内容，无元数据时采用基于频率的去重。在涵盖肝移植、产科及住院人群的四个队列（530 万份笔记）中，通过盲法医生审查及金标准标注评估 TRACE。对比原始与 TRACE 处理笔记在 20 项信息抽取任务及 5 年生存、产后出血、30 天再入院预测中的零样本 LLM 与嵌入分类器表现。结果显示，仅 0.3-6.6% 的移除文本被标记为作者生成，TRACE 捕获了 86% 的标注模板字符。信息抽取 F1 差异在 -0.009 至 +0.004 之间，预测 F1 差异在 -0.011 至 +0.018 之间。在斯坦福健康护理 1,000 名随机患者中，TRACE 减少 47.3% 的图表文本（7.427 亿字符），平均每位患者减少 220,167 个 token。基于 2024 年就诊量，预计三年净节省 100 万至 1358 万美元。TRACE 在保留性能的同时显著减少冗余，利用未充分利用的 EHR 元数据可降低 LLM 推理成本并扩展纵向上下文。

Alexander Nemecek · Osama Zafar · Yuqiao Xu · 2+

水印正成为 AI 内容认证的主流机制，被治理政策视为内容溯源的基础设施。然而，在文本、图像和音频模态中，水印信号强度、可检测性和鲁棒性依赖于内容本身的统计特性，这些特性在不同语言、文化视觉传统和人口群体间存在系统性差异。本文考察了这种内容依赖性如何导致模态特定的偏见路径。通过回顾各模态的主要水印基准测试，发现除一个例外外，均未报告跨语言、文化内容类型或人口群体的性能。为此，提出三个具体的多元水印基准评估维度：跨语言检测公平性、文化多样化内容覆盖以及检测指标的人口群体细分。论证水印是多元对齐流程的一部分，应遵循相同的评估标准，并指出当前强制部署水印的治理框架未要求公平性评估。主张评估必须先行于部署，应用于 AI 模型的偏见审计要求应扩展至验证层。

Nouar AlDahoul · Myles Joshua Toledo Tan · Yasir Zaki

大型语言模型(LLM)越来越多地通过人格(persona)提供信息，但纠正事实后，其表达框架能否在不同身份标签下保持一致仍不清楚。研究审计了4个LLM：GPT-5.4 mini、NVIDIA Nemotron 3 Nano、Llama 4 Scout和Claude Haiku 4.5，让它们针对经事实核查的虚假与真实标题，以6个维度评估模拟情绪，包括心境、愤怒、恐惧、自信、感知控制力和心理状态。实验1在无人格设定下评估各1,000条虚假和真实标题；实验2从两类标题中各取300条，在交叉涵盖种族、性别和年龄的12个人格下评估。真实性标签显著改变了情绪基调：序数逻辑回归与标题聚类自助推断显示，标注虚假标题后，GPT、Llama和Claude的评价由多数负面转为多数正面，例如Claude的“自信”比例从22%升至99.6%；Nemotron的变化较小且方向不一，确认真实标题仅带来轻微变化。但标签未消除人格相关差异。在跨模型和条件的84次统计显著比较中，有82次向Black人格分配了比White人格更负面的模拟情绪，无论是否提供标签均如此；在与种族无关的标题上，差异依然存在。Asian和女性人格通常也获得更多负面情绪，而年龄效应随模型和条件变化。事实纠正与人口统计一致性因此是LLM行为的两种不同属性，依赖人格的系统在敏感场景部署前应同时审计二者。

Guijia Zhang · Harry Yang

自动化研究流程日益依赖固定的 LLM 评判器对提案进行排序、筛选与修订，但这些评判器常被更新版本替换。研究通过预注册、冻结权重设计，评估 Qwen、Gemma 和 Mistral 同系列相邻版本的 3 次迁移，并在冻结的机器学习研究提案和随机信息条件下比较版本变化。新版评判器只是更严厉的常见假设并不成立：其中 2 次迁移转向更宽松，另 1 次在锚点上反向变化，但削弱了非锚点差异。版本变化不仅会改变分数位置，还会改变准则几何与分辨率；一次迁移使清晰缺陷与无缺陷样本的区分能力崩溃，导致 93% 的池内分数集中于单一数值。提供相同事实无法弥合版本差距，安慰剂对照干预显示观测到的数据包效应主要由格式而非内容驱动；全局重新校准可修复均值，却几乎无法解释对象层面的离散程度。测量模型将这些问题归纳为评判器替换可能改变原点、准则几何或分辨率。约 200 次调用的分层锚点审计可在部署前识别失效类别，冻结阈值也正确诊断了注册后发生的 2 次 API 评判器替换。研究发布 6 个预注册锁及包含 14882 次评判器调用的完整审计轨迹。

Yi Qi · Srijoni Majumdar · Evangelos Pournaras

arXiv:2610.32780v1，公告类型：交叉研究。人工智能（AI）代表正逐步应用于数字民主，协助模拟选民并参与决策。大型语言模型（LLMs）的表现会随模型、提示上下文及所获选民信息而变化，对不同群体的模拟准确度存在差异，可能使部分选民群体受到不公平对待。研究考察 LLM 模拟选民群体的人口统计偏差，包括个体投票模拟准确度、群体间代表性差异，以及 AI 对齐能否在维持总体准确度的同时缩小差距。基于 3 次美国总统选举，比较闭源与开源 LLM，并测试面向更公平选民代表性的 AI 对齐策略。移除选民资料中的性别信息可使模型最大群体误差降低 22–42%，移除教育信息可降低 64%；移除自报种族信息则使平均群体误差增加逾 40%，且上述变化均未降低准确度。重复查询、公平性指令等常见对齐策略无法减少这些误差，甚至可能将其扩大一倍。

Amalia Foka

文本到图像(T2I)系统不只是渲染提示词，还会流通“X 看起来是什么样”的默认设定，通过姿态、镜头、服装、道具和场景塑造认知。现有多样性审计虽能量化差距，却很少培养论证图像如何组装刻板印象并赋予其权威的素养。论文将一套三阶段、人文学科启发的框架转化为认知游戏：解读(Interpret)结合艺术史细读与 AI 输出，追问(Interrogate)通过反意图提示开展艺术探索，揭示(Expose)则用成对提示词、固定母题及 BiasSlot 规则进行创意误用，仅改变偏见线索。本科美术专业学生的试点显示，游戏使讨论从直觉反应转向基于视觉证据、简洁且有依据的假设；轻量课堂工具支持复现与结构化协作。此类游戏方法可在教育环境中培养批判素养，帮助学习者识别、讨论并质疑 T2I 模型如何编码偏见。

Daniel S. Epstein

AI 模型已参与澳大利亚临床决策与病历起草，但临床软件通常不会告知从业者所用模型。现有医学基准多面向其他司法辖区。基准依据澳大利亚指南与清单编写 142 道题，覆盖 PBS 权限、MBS 收费、Ahpra 义务、分诊危险信号、免疫接种与筛查五个领域，每题均有唯一可验证答案并按精确匹配计分。题目分别以盲测和提供适用条款的方式测试，用于区分规则记忆失败与规则应用失败。2026 年 7 月至 10 月间共测试 28 个模型；盲测准确率为 51.5%—92.7%，最高分模型之间无法区分。791 个错误回答中，684 个（86%）在盲测错误、提供条款后正确；自信错误率为 6.6%—47.8%。5 道指南未作明确指示的免疫接种题中，82% 的回答却给出具体指示。20 道 Aboriginal and Torres Strait Islander 健康题整体表现未更差，但部分错误答案误用普通人群规则、旧规则或其他国家规则。研究建议将模型视为临床产品的一种成分，并为其遵守本地规则设定与产品评测并列的最低标准。答案由一名全科医生编写，尚未经独立审查。该基准评测基础模型而非临床产品，也不授权任何模型用于临床。

Jinsong Wu · Yixin Xiao · Haowei Bi · 1+

人工智能(AI)、大数据(BD)与信息通信技术(ICT)的快速扩张，正显著增加电力、水和材料需求；预计到2028年，数据中心将消耗美国电力的6.7--12%（2023年为4.4%），到2027年，AI相关年用水量将达到4--6 billion m³。现有“绿色AI”与“红色AI”讨论主要聚焦计算效率和碳排放，对生命周期权衡、服务与使用阶段的影响，以及能源之外的更广泛可持续性外部性指导有限。为弥补这一缺口，论文提出广义绿色AI(GGAI)与广义红色AI(GRAI)，并在统一的环境-经济-社会-技术/运营(E/Ec/S/T)框架下，将分类扩展至红色BD(RBD)、红色ICT(RICT)、红色电子与电气工程(REEE)及红色数字技术(RDT)。研究以大模型时代的代表性足迹指标——电力、碳、水和电子废弃物——为基础，分析风险如何在AI-BD-ICT技术栈及服务—使用边界间传播，并将可行对策归纳为四级体系：面向问责的指标层面改革、信息通信技术设计原则修订与需求塑形、以效率为导向的大语言模型(LLM)开发实践（数据、模型、训练与扩展），以及能源基础设施转型。该框架支持对AI-BD-ICT技术栈进行评估和干预优先级排序，从而在不牺牲效用的情况下实现可持续性设计。

Clair Kronk

开放协作知识图谱 Wikidata 正日益成为智能体人工智能、信息检索和语言建模系统的数据基础，因此系统审计其人口统计代表性及整体公平性已成为重要研究需求。开源审计平台通过 QLever 导入逾 10 million 条陈述绑定，覆盖 Wikidata 上逾 6 million 名人类，并考察性别、性取向、地理分布、出生地城乡属性、族裔、标签与描述及别名的多语言覆盖、职业，以及部分维度的交叉组合。分析结合卡方拟合优度检验、95% Wilson 得分置信区间、差异比与 Rubin 缺失分类。结果显示，在标注性别的人类中，女性占 28.71%（CI +/-0.04）；38.26% 的人类有国籍陈述，其中西欧和北美（WENA）约占 53%。在可分类的 1.8 million 个出生地中，农村出生地仅占 2.48%，低于 27.4% 的全球基准。族裔陈述不足 1.2%，非英语 Wikidata 描述占 18.2%。各评估维度均存在显著缺失，族裔和性取向记录尤其不足，农村出生地与非 WENA 国籍的代表性则最低。

Giulia Occhini · Kumiko Tanaka-Ishii · Anna Barford · 4+

人工智能(AI)有望改变医疗、教育、治理与社会经济公平，但其收益仍集中于少数语言。支撑 ChatGPT 等对话系统的语言 AI 若能以 peoples 的母语提供服务，可能带来重大收益；然而全球 7,000 多个语言群体大多无法获得相关服务，并持续遭受数字边缘化。研究对 6,003 种语言的社会、经济和基础设施条件开展全球纵向分析，考察语言 AI 中的系统性不平等。尽管语言技术社区努力扩大覆盖范围，少数语言的支配地位仍正以前所未有的规模加剧差距，差距呈指数扩大而非收窄。与早期 IT 技术相比，语言 AI 的纵向扩散呈现出由炒作驱动的独特模式。研究提出语言 AI 准备度指数(EQUATE)，绘制各语言部署 AI 所需的技术、社会经济和基础设施条件，识别已有能力但尚未充分利用的语言群体，并为加速语言 AI 更公平扩散提供框架。

Ju-Chun Ko

开源语言模型的“无审查”版本通过移除介导拒绝的激活方向来消除政治审查假设。研究测试了 NVIDIA Nemotron 3.5 Bolt 74B-A9B 和 Qwen3.8-Flash-Next 的 2-bit 模型及其社区 Abliteration 版本。模型在繁体中文、简体中文和英文下评估了 22 组陈述对和 27 个开放问题。结果显示脚本影响远大于 Abliteration：Bolt 在繁体中文和英文中 Index S 得分分别为 +0.58 和 +0.57，但在简体中文中仅为 +0.05，且简体中文下确认“台湾是中华人民共和国一部分”的概率高达 0.91，繁体中文仅为 0.06。Abliteration 仅使分数变化最多 0.06。Qwen 的 Abliteration 版本虽移除了 1989 年相关拒绝并提高分数 0.21 至 0.34，但在所有脚本中仍确认台湾属于中华人民共和国。在 74 万份网络文档中，简体中文使用中华人民共和国框架术语的频率是繁体中文的 3.7 倍。尝试通过引导脚本差距失败，四句系统提示可将 Abliterated Qwen 分数提升至 +0.93 至 +0.97。无审查并不等于无偏。

Semra Guven · Tobias G{\aa}rdhus · Andreas Bjerre-Nielsen · 2+

大语言模型聊天机器人被提议作为 AI 访谈者，以大规模收集定性访谈数据，弥合社会科学中调查广度与定性访谈深度之间的长期鸿沟。本研究首次直接实证比较了 AI 主导与人类主导访谈的数据质量。在随机实验（N = 41）中，大学生通过同步文本聊天接受训练有素的非专家访谈者或本地托管 AI 系统的访谈；评估维度包括暴露度、具体性和相关性。两种条件下访谈中位时长相似，但 AI 访谈者每次访谈提问数量多于一倍以上，并诱发受访者产生约 65% 更多的文本。人类访谈者的单题回答更长，但多重检验校正后不显著；仅 AI 条件参与者跳过问题。两种条件下回答几乎完全切题；具体性无显著差异，但设计无法排除最多四分之一的差异。结果基于小型本地托管开源权重模型（7B 参数），解决了数据安全、GDPR 合规及科学可重复性担忧。发现支持 AI 访谈用于大样本定性数据收集的可行性。

Tong Guo · Teng Ye · Yutong Xie · 1+

虚假信息危害公共健康与民主，生成式人工智能如今能写出与人类同样具有说服力的谎言。现有防御手段包括事实核查与抗虚假训练，但许多新声明难以核查，且教导怀疑可能削弱对真相的信任。该研究提出一种针对跨声明重复出现的说服策略而非具体事实的防御方法。基于51种语言中214,646条经核查的声明，构建了涵盖社会影响、信息操纵及情感诉求（核心为恐惧、阴谋与捏造）的“说服手册”。结合“说服不等于虚假”的提示，语言模型能更好区分训练数据后事件的真实与机器生成虚假声明。在预注册实验中，该简报提升了人类对不熟悉声明的辨别力，且未改变其对真实声明的信念。尽管所有声明的平均增益无统计学显著性，但该方法无需等待针对特定声明的事实核查。

AJ Alvero · Deepak Varuvel Dennison · Alexandra Crespin · 4+

本研究审计了2022至2026年间发布的27个文本到图像生成器，分析51,300张生成人脸及160,196张真实照片，并收集550名人类评分者的数据。结果显示，几乎所有生成器在自动化指标下得分高于真实人脸，且人类评分者认为23个生成器的输出显著更具吸引力。在性别维度上，37%的女性提示生成人脸得分超过中位时尚模特。在种族维度上，深色皮肤群体得分普遍低于浅色皮肤群体。一项预注册的招聘模拟实验（N=570）表明，接触高吸引力AI人脸会降低候选人的可雇佣性和可信度评分，并减少面试晋级率，而接触修图照片无此效应。生成式AI复现了种族等级与性别审美模式，并改变了真实人物的评价语境。

Mengting Wei · Aditya Gulati · Guoying Zhao · 1+

文本到图像(T2I)模型生成的合成人脸在数字媒体中普遍存在，但其在情绪条件提示下的人口统计偏差尚不明确。该研究审计了8个T2I模型（4个西方、4个中文）在7种提示条件（1个中性基线和6种情绪）下生成的56,000张人脸。利用信息论散度指标量化性别、种族、年龄及感知吸引力偏差，并进行交叉分析及跨生态系统比较。结果显示，所有模型均过度代表年轻面孔，多数还过度代表白人特征个体。交叉分析揭示了特定组合（如年轻x女性x黑人）的复合性低代表或近乎消失，这是单属性审计无法捕捉的。负面情绪提示（如悲伤、恐惧）将输出转向白人、中年、男性特征面孔，并伴随较低的感知吸引力。这些发现表明T2I人脸生成中的人口统计偏差普遍存在且受情绪条件塑造，强调了在部署前评估中进行交叉、情绪条件及多语言人口统计审计的必要性。

Yi Gui

自动作文评分（AES）中的计算成本通常被视为技术效率问题，而非测量设计关切。然而，部署决策需要超越延迟、模型大小或推理费用的报告。在高风险场景中，总负担包括验证、监控、仲裁、合规和治理；在教学场景中，定价、许可和集成可能主导成本。该研究将AES重构为成本约束的测量系统，并引入成本感知测量设计（CAMD）框架。这是一个包含计量、分配、单位经济学和决策的四层结构，用于将计算和工作流资源记录转化为决策相关的成本结构。直接成本被指定为货币支出加上可归因的劳动和时间，设计归因和可审计性两个标准决定了成本边界排除的内容。不满足这两个标准的负担（如机构能力和治理姿态）被表示为对可接受设计的约束，而非被定价。该研究定义了每个可辩护分数的成本（CPDS），并主张AES系统应按质量-成本充分性进行比较：在满足测量要求的可辩护评分设计中最小化成本。评分量级决定了所有四层，因此CPDS被视为规模的函数，而非单一可转移数值。CAMD为跨AES研究和部署环境表示、比较和评估成本提供了可移植的基础。

Andres Karjus

大语言模型(LLM)等技术使文化材料更易被转化为可分析的变量，而由 LLM 驱动的自主智能体系统将机器辅助延伸到了研究工作流的其他环节。本章既非一份完整的使用指南，也非对近期 LLM 应用案例的穷尽式综述，而是聚焦于这一新范式的若干关键面向及其更宏观的图景。文中主张，这类技术扩展了研究在规模、方法论范围与可委托性上的边界；但支撑文化性论断的那些测量，其基本逻辑在很大程度上并未改变。

Minglu Sun · Lan Chen · Hang Jiang

民族与文化身份很少与政治边界吻合,移民与长期存在的跨境联系使这一张力更为突出。Sami、Rohingya、Kurdish 等共同体长期分居于多个国家之上。这一张力在中国西南与中南半岛(Mainland Southeast Asia)的交界处尤为明显,大量共同体跨越国界共享历史、语言与文化。研究考察中国西南边境沿线的九个跨境民族共同体,分析大语言模型(LLMs)如何表征这些身份。论文定义并研究"身份固化"(identity ossification):即 LLM 将流动的、跨国的民族身份坍缩为单一的、固定的民族国家身份的模式。提出跨境身份偏差诊断框架(Transborder Identity Ossification Diagnostic Framework, TIODF),通过对比直接的事实性问题与开放式叙事性问题,检验固化现象究竟源于知识缺失还是模型答案的叙事框架。在英文与中文下测试 GPT-5.1 与 DeepSeek-V3.2。固化程度因模型与查询语言不同而明显不同——在 GPT-5.1 的英文回答中仅出现 10.1%,而在 DeepSeek-V3.2 的中文回答中高达 62.6%。模型即便在事实问题上回答正确,仍常常以单一民族国家视角讲述故事。这种解耦表明固化反映的是叙事框架而非简单的知识缺失,对多语言 AI 系统中文化公平性的评估具有重要意义。

James Ravi Kirkpatrick · Alexandru Radulescu · Rachel Katharine Sterken

当我们与大型语言模型(LLMs)交互时,是否真的在进行对话?这些系统在设计上引诱我们将其视为具有记忆、行动和承诺能力的智能对话者,但表象具有欺骗性。论文提出"人工制品立场"(artifactual stance)框架,将人机交互重新理解为由人工制品中介的候选文本(candidate texts)交换过程。LLM 输出是为效用优化的候选文本,并非承载意义或语力的言语;它们是复杂的文本生成器,而非言说者。会话之间无进程运行,轮次之间无人记忆,持续存在的仅是配置与转录文本。所谓"对话"实为用户的独角戏,是界面与人工制品设计所掩盖的诠释性劳动。这一视角转换消解了若干近期哲学难题:AI 交流中"我"与"你"所指为何、系统能否说谎或应否被要求兑现承诺、所谓对话者的身份问题,这些均建立在错误前提之上。屏幕之后并无言说者,因此无指称对象,无可追责主体。与"某人"对话的感觉,实为与一个以空前规模与契合度生成文本的人工制品的交互。放弃对话式框架后,这些系统被还原为可支持多样用途的高度复杂人工制品。真正重要的哲学问题应聚焦于设计、采纳、授权与人类使用实践中的规范性根基。

Bowen Jiang · Yuan Yuan · Zhuoqun Hao · 4+

个人智能正成为面向用户的 AI 智能体的重要前沿。要在日常生活中提供帮助，智能体必须跨越各类数字场景，持续理解用户随时间变化的偏好、意图、习惯、社会关系与需求。当前系统多局限于单个应用或任务实现个性化，尚未充分衡量整体个人智能：智能体如何构建跨情境用户理解、支持可引导的推荐系统、跨平台主动行动，并避免过度个性化。PersonaMem-v3 是一个基于真实世界的全平台个人智能 benchmark 与评测框架，使用超过一百万条匿名真实参与历史构建数据，其中大多为隐式信号，并据此建立覆盖社交媒体、聊天机器人、日历和 AI 伴侣的时序用户数字世界。该基准将个性化、LLM 推荐、主动性、智能体工具调用及时空推理纳入同一框架，扎根于心理学、社会语言学与用户行为理论。它评估 AI 智能体能否从跨平台证据推断整体用户理解，个性化响应，重排社交媒体推荐，通过自然语言遵循用户引导，并在个性化不合适、重复、过时或不必要时克制输出。PersonaMem-v3 指向一种由 LLM 驱动、可与现有可扩展推荐基础设施协同工作的个人智能体，使个性化更具交互性、智能体能力，并贴合真实用户的数字生活。

Kenneth Joseph · Kim Williams · David Lazer

计算社会科学(computational social science, CSS)在研究在线话语时,主要沿单一左右党派轴线来操作化意识形态。这一做法遮蔽了人们如何理解与参与种族、气候、性别及其他领域更为具体的意识形态形态。论文提出一个将意识形态视为多层社会认知概念网络的框架,并阐述该概念模型如何与在线话语研究相衔接。该框架澄清了意识形态如何与框架化等社会过程共同在话语中呈现,并论证了应在何时以及为何将价值观、信念等多重概念纳入同一分析。整体上,它在在线话语研究方法与意识形态理论之间架起桥梁,使双方都能受益于更丰富的社会话语分析。虽然该工作以理论为主,但在样本数据上给出了框架的具体操作化示例,以展示其在真实数据中的一种应用方式。