2026-01-26 00:00
算法是如何把"耸人听闻"的内容推送到你面前的?
本文基于国家网信办新规与主流媒体公开报道,梳理推荐算法在内容分发中对情绪化、极端化信息的放大机制及其治理进展。
TL;DR
- 推荐算法并非“中立工具”,其设计目标(如停留时长、点击率)客观上偏好高唤醒度内容,包括愤怒、惊奇、恐惧等情绪信号;
- 2025年1月起,国家网信办明确要求主流平台对“情绪诱导类权重参数”进行备案与公示,首批覆盖新闻、短视频、社交三类场景;
- 澎湃新闻报道指出,部分平台已将“标题感叹号密度”“评论区负面词频”纳入实时反馈信号,但该做法未在公开算法说明中披露;
- 当前治理聚焦“可解释性”与“可审计性”,而非禁止特定模型结构;算法优化正从“最大化互动”转向“可持续参与”。
要点
- 国家网信办2025年1月发布的实施细则首次将“情绪唤醒强度”列为算法风险评估的法定指标之一(来源1);
- 澎湃新闻援引行业知情人士称,至少3家头部平台在2024年下半年测试了“情绪衰减系数”,即对连续推送同类高唤醒内容实施自动降权,但该机制尚未全量上线(来源2);
- 中国新闻网报道显示,“清朗·规范算法推荐服务”专项行动要求平台于2025年Q2前完成算法基本原理、训练数据来源、主要干预规则的简明公示(来源3);
- 现有监管未禁止“点击率预测模型”,但明确禁止将“虚假标题诱导点击”设为独立优化目标(来源1第十二条);
- 不同平台对“耸人听闻”的定义存在操作差异:部分将含“震惊”“突发”“速看”等词的标题自动标记为高风险,另一些则依赖人工标注样本集训练分类器(来源2、3交叉印证)。
事实与来源
- 《生成式人工智能服务管理暂行办法》实施细则(2025年1月)规定:“提供内容推荐服务的主体,应建立对用户情绪反应的动态监测机制,并向属地网信部门报备关键情绪识别参数阈值。”(来源1,第三章第十条);
- 澎湃新闻2025年1月26日报道指出:“某短视频平台内部测试数据显示,当单日推送含‘震惊体’标题内容超过3条时,用户7日留存率下降11.2%,该发现成为其启动情绪衰减实验的直接动因。”(来源2);
- 中国新闻网同日通报:“专项行动将重点检查算法是否设置‘负面情绪加权项’,以及是否存在对争议性话题的非均衡曝光。”(来源3);
- 三则来源均未提及具体平台名称或算法代码细节,所有技术描述均基于已公示政策文本或匿名信源转述,符合转载规范。
时间线
- 2024-09-15:国家网信办就《算法推荐服务管理规定(修订草案)》公开征求意见,首次引入“情绪影响评估”条款(来源1背景说明);
- 2025-01-26:《生成式人工智能服务管理暂行办法》实施细则正式发布,同步启动“清朗·规范算法推荐服务”专项行动(来源1、3);
- 2025-01-26:澎湃新闻发布调查报道,披露多家平台情绪识别模块的技术路径与内测进展(来源2);
- 2025-02-10(待确认):网信办官网公示首批完成算法备案的12家平台名单——该信息尚未在三大来源中出现,故不列入确证时间线;需等待官方更新(原因:截至2026-01-26,cac.gov.cn未发布该名单,仅提及“将于一季度内分批公示”)。
增量整理
对比:传统CTR模型 vs 新规约束下的情绪感知模型
| 维度 | 传统CTR模型 | 新规约束模型 |
|---|---|---|
| 核心目标 | 最大化点击/完播/分享 | 在点击率基础上叠加情绪稳定性约束(如单日同类高唤醒内容≤2条) |
| 关键特征 | 标题长度、历史点击率、用户画像匹配度 | 标题情绪词密度、评论情感极性分布、跨时段情绪波动率 |
| 可审计项 | 模型版本号、A/B测试组别 | 情绪参数阈值、人工复核触发条件、衰减系数生效日志 |
定义:“耸人听闻”在监管语境中的操作化界定
根据来源1附件《算法风险分类指引》,其指同时满足以下三项的文本内容:
① 标题含至少两个高强度情绪动词/形容词(如“惊爆”“血案”“疯传”);
② 正文首段未提供可验证信源或权威出处;
③ 同一事件在平台内存在≥3种矛盾表述且无事实核查标识。
注:该定义仅适用于新闻资讯类内容,不适用于文艺评论、讽刺创作等明确标注体裁。
风险与边界
- 技术风险:情绪识别模型易受方言、反讽、亚文化黑话干扰,当前准确率约76%(来源2提及某平台内部测试结果),误判可能导致正常严肃报道被限流;
- 治理边界:新规未要求平台删除已有内容,而是规范“后续分发逻辑”;对历史存量“耸人听闻”内容,仍适用《网络信息内容生态治理规定》分级处置流程(来源1第五条);
- 待确认/推测:各平台是否统一采用NLP情绪词典尚无公开证据。因来源未披露训练数据细节,无法确认其是否使用中文情感词典(HowNet)、还是自建领域词表——该问题需等待后续备案材料披露(原因:三则来源均未说明底层词库来源)。
站内延伸阅读
- /ai/algorithm-transparency-guide
- /policy/cac-2025-algorithm-rules-summary
- /tech/emotion-detection-in-nlp
- /case-study/we-media-content-moderation