在交际媒体现已深度嵌入日常日子的今日，人们对它的争议往往会集在几个了解的症结——政治极化（抱团）、留意力不平等（言语独占）、极点声响扩大（标题党）。不少批判都指向渠道背面的引荐算法，但如果把算法彻底拿掉，这些现象还会呈现吗？
荷兰阿姆斯特丹大学的一组研讨人员试着用试验给出
答案
。他们搭建了一个极简版的交际渠道，没有广告，没有杂乱的个性化引荐，也没有躲藏的权重机制，只保存发帖、转帖和重视三种最根底的功用。随后，他们放入了500个带有“品格设定”的谈天机器人，这些机器人根据OpenAI的GPT-4o mini工作，具有固定的人口学特点，比方年纪、政治态度等。发帖时，它们会参阅当天的新闻标题；转帖和重视，则彻底凭本身判别。渠道的时刻线很简单：一半内容来自已重视的账号，另一半则是全网转发量最高的“抢手贴”。在五轮试验（每轮都包含1万次互动）后，成果显现出了解的轨道。机器人们敏捷分成了阵营：态度挨近的相互重视，不同态度几乎没有交集，中间派被孤立在边际。随后，一小部分“大V”账号获得了大部分粉丝和转帖，留意力散布极不均衡。与此同时，态度明显乃至偏极点的内容传播得更快更广，越极点的观念越简单分散。
研讨团队接着测试了六种常见的“渠道改进”计划：按时刻次序显现内容、下降抢手账号的权重、推送更多敌对阵营的内容、提高理性和桥接型内容的权重、躲藏粉丝/转帖数、躲藏账号身份信息。在此前的一些模仿中，“推送异见”曾被证明可以在模仿渠道里统筹高互动与低毒性（即有害、攻击性或歹意寻衅内容比例较低），但在这次试验里，包含这一方法在内的悉数干涉办法，都未能带来明显改动——抱团账号的互动比例最高只减少了6%。更意外的是，在躲藏用户简介的情境下，阵营分解反而加重，极点内容获得了更多重视。
这些成果表明，即使没有引荐算法，渠道的根本结构也足以催生相似的问题。只需存在“发帖—转帖—重视—再曝光”的循环，网络就会天然演化出阵营化（抱团）、留意力会集（言语独占）和极点化（标题党）的格式，其背面是互动反响与网络增加之间的反响回路。
实际也大略如此。在实际国际中，相似的形式早有痕迹：Facebook与多所高校协作的研讨显现，即使不动算法，用户在挑选重视目标时也会让信息环境敏捷向单一态度歪斜；MIT对Twitter的剖析则发现，情绪化和极点化的信息更简单引发转发，这种扩大效应首要来自用户的反响，而非后台推送。
需求留意的是，这些谈天机器人并非彻底“免疫”于算法的长时间影响——它们的语言和决议计划形式，本就建立在一个由算法主导的网络环境的海量语料之上。这意味着，它们在试验中的行为，很或许在某种程度上承继了咱们自己在交际渠道上的习气和成见。某种意义上，这场试验不只提醒了交际网络的内涵结构问题，也像一面镜子，把咱们在数字国际里现已变形的互动方法反射了出来。
试验完毕后，虚拟渠道归于安静，但在实在国际中，这套机制每天都在工作，并继续刻画着咱们的网络空间。至于有没有一种方法让这面歪曲的镜子从头映照出实在的自己，这个问题或许暂时还没有谁可以答复。
研讨试验所触及的论文链接： https://arxiv.org/abs/2508.03385
封面来历：由Sora生成自《V for Vendetta》