1算法推荐、参与度与反馈回路
闭卷重建《算法推荐、参与度与反馈回路》的核心关系、可测量和失败反例。
计算伦理、法律与职业责任 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2训练数据来源、质量与多样性
闭卷重建《训练数据来源、质量与多样性》的核心关系、可测量和失败反例。
3生成式AI角色与适用范围
闭卷重建《生成式AI角色与适用范围》的核心关系、可测量和失败反例。
4幻觉、偏见、有害输出与系统评测
闭卷重建《幻觉、偏见、有害输出与系统评测》的核心关系、可测量和失败反例。
5深度合成、身份冒用与人格权益
闭卷重建《深度合成、身份冒用与人格权益》的核心关系、可测量和失败反例。
6生成合成内容的显式与隐式标识
闭卷重建《生成合成内容的显式与隐式标识》的核心关系、可测量和失败反例。
7平台审核、透明度、申诉与脆弱用户
闭卷重建《平台审核、透明度、申诉与脆弱用户》的核心关系、可测量和失败反例。
第 1 页 · 背面（答案）
核心式：data\ quality=accuracy+coverage+provenance；课堂任务：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。
核心式：exposure=rank\times inventory\times feedback；课堂任务：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。
核心式：risk\ coverage=tested\ scenarios/known\ scenarios；课堂任务：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。
核心式：scope=provider+public+function+jurisdiction；课堂任务：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。
核心式：traceability=visible\ mark+metadata+log；课堂任务：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。
核心式：harm=f(realism,reach,target,context)；课堂任务：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。
核心式：quality=reversal+latency+consistency+access；课堂任务：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。