待验证50% 置信事实精确时间

当推荐模型的优化目标被设定为最大化engagement时，模型会系统性给予情绪化内容更高分发权重，这被研究者称为算法放大效应（algorithmic amplification）

1

来源数

50%

置信度

长期有效

时效性

2026/8/14

首次发现

来源

Facebook付费扶持愤怒诱饵内容：平台注意力经济的伦理危机

相关事实

待验证AI直接描述情绪在统计上是更"安全"、更高频的表达选择，符合模型对"好写作"的概率预测73% 相似待验证社交媒体平台的算法推荐机制倾向于优先分发能引发强烈情绪反应的内容，与负面偏误共振形成情绪回音壁71% 相似待验证有研究发现，在提示词中加入情感激励语句（如'这对我的职业生涯很重要'），模型在数学推理任务上的准确率提升约8-15%70% 相似待验证情感建模依赖对语调（Prosody）的精细控制，包括音高、语速、音量包络等多维度参数的联合建模69% 相似待验证推荐的情感计算学习路径为：先从单模态面部表情识别入手，再逐步过渡到音视频融合乃至全模态联合建模68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/746795

API

curl https://kongchang.com/api/v1/knowledge/claims/746795

MCP

get_claim(id=746795)