重點

研究人員分析了 715 名美國使用者，發現 X 的推薦系統放大了與使用者自我報告價值較不一致的貼文。 這種不一致在民主黨人中明顯高於共和黨人。 該研究指出，互動行為——尤其是對不認同貼文的回覆——可能無意間教會演算法展示更多會引發負面反應的類似內容。

情感分析

• 本文主要對 X 的推薦行為表達混合偏負面的情緒。文章強調，平台以互動為驅動的排序可能產生與使用者陳述偏好相違背的結果。整體語氣偏分析性與警示性，而非慶祝，著重實證發現與潛在的非預期後果。

文章內容

一項近期發表於美國國家科學院院刊（Proceedings of the National Academy of Sciences）的研究檢視了 X 的推薦演算法如何塑造使用者看到的內容，並發現系統會放大與使用者陳述價值相牴觸的貼文。來自多所頂尖機構的研究人員——包括麻省理工學院、密西根大學、約翰霍普金斯、大學及耶魯——在 2024 年 9 月和 10 月追蹤了 715 名活躍美國使用者的動態。參與者安裝了一個瀏覽器擴充功能，收集出現在他們「為你推薦（For You）」與「追蹤中（Following）」動態的項目，使得明確選擇的內容可以與演算法建議的貼文做比較。

分析顯示使用者宣稱的價值與演算法所放大的內容之間存在可衡量的差距。在抽樣使用者中，被放大的貼文往往較少與參與者所報告的價值相符。此效應因政治傾向而異：放大內容與陳述價值之間的負相關在民主黨人中遠大於共和黨人。以數值而言，民主黨人的相關性顯著為負，而共和黨人的數值接近零，顯示不一致性較弱。

作者討論的一個可能機制涉及使用者的回覆行為。當人們回覆他們覺得令人反感的貼文時，這些互動可能被視為演算法解讀為興趣的參與信號。換句話說，回覆你反對的內容可能無意中向推薦系統發出你想要更多該類內容的訊號，導致進一步暴露於類似貼文。 這種反應仇恨或挑釁性內容而導致其被放大的動態，指出情緒化互動與演算法呈現之間的反饋迴路。

研究包含了一次複現，產生了類似的模式，加強了觀察到的黨派差異。雖然研究人員記錄了這些相關性與潛在途徑，但並未將因果歸於任何單一因素。他們也指出一個未解的問題：該研究未能判定產生與價值不一致內容的帳戶是由人類還是自動化帳號控制。因此機器人與協調性非真實行為的角色仍是未來調查的開放議題。

這些發現發布在 X 年初公開其部分推薦系統之後，公司釋出一個由 Grok 驅動的模型，該模型依據預測的使用者行為（例如按讚和回覆）來排序貼文。公司領導層承認系統的限制，並描述持續改進的工作。新研究突顯了在互動指標可能由情緒化或對抗性互動驅動時，設計能反映使用者偏好的演算法的複雜性。

最終，該研究強調了陳述價值與演算法解讀為興趣信號的行為之間的張力。研究指出，使用者與平台皆應注意反應性互動——尤其是對不認同內容的回覆——如何影響人們所接觸到的資訊。要處理這些動態，可能需要調整排序信號、改善對操縱性模式的偵測，或提供面向使用者的控制，降低衝突驅動互動在推薦中的權重。

重要見解表