第8章笔记：平台算法、生成式AI与内容治理

把推荐放大、生成内容、深度合成、标识和程序正义放在同一治理框架中。

七节依赖

1. 算法推荐、参与度与反馈回路：$exposure=rank\times inventory\times feedback$；任务：比较停留时长目标与多样性约束的长期后果；边界：用户点击不等于长期福祉。
2. 训练数据来源、质量与多样性：$dataquality=accuracy+coverage+provenance$；任务：审查训练数据合法来源、代表性和标注规则；边界：数据量大不能弥补系统性缺失。
3. 生成式AI角色与适用范围：$scope=provider+public+function+jurisdiction$；任务：判断服务是否面向境内公众及各角色义务；边界：不能把面向公众服务规则无条件套给全部内部研发。
4. 幻觉、偏见、有害输出与系统评测：$riskcoverage=testedscenarios/knownscenarios$；任务：建立准确性、偏见、拒答和可追溯测试集；边界：平均通过率会掩盖高伤害场景。
5. 深度合成、身份冒用与人格权益：$harm=f(realism,reach,target,context)$；任务：分析肖像、声音、名誉和诈骗风险；边界：获得素材不等于获得合成人格授权。
6. 生成合成内容的显式与隐式标识：$traceability=visiblemark+metadata+log$；任务：实现离线标识检查并记录传播链；边界：水印存在不能证明内容真实或授权。
7. 平台审核、透明度、申诉与脆弱用户：$quality=reversal+latency+consistency+access$；任务：用撤销率、时延、一致性和可达性审计治理；边界：申诉量低也可能因为入口不可达。

交付

提交事实/未知表、六类利益相关者、义务地图、五个选项、指标与限制、反方意见、上线/停止门槛、申诉补救和复核日期。