论文页面 - 噪声感知下的选择性控制：模块化网络中聚合指标隐藏的治理失败

Source: https://huggingface.co/papers/2606.14819

摘要

内容审核系统可能会对连接不同社区的桥梁用户造成不成比例的伤害，即使总体准确度指标看似令人满意，治理损失在假阳性主导的条件下会显著增加。

如果一个内容审核系统的错误集中发生在连接原本独立社区的少数用户身上，那么即使它在所有标准准确率指标上都表现良好，也可能造成实际伤害。我们在一个基于智能体的模型（agent-based model）中展示了这一点：N=240个学习智能体位于社区结构网络（community-structured network）中，每个智能体发布无害、有益或危险的内容，监管者（regulator）移除或惩罚任何被噪声分类器（noisy classifier）标记的内容。随着噪声变化，整体效用几乎不变（单因素方差分析，p=0.96）：从聚合指标看，一切正常。然而伤害集中发生在这些桥梁用户（bridge users）身上：他们的有益帖子被错误压制，而危险帖子却被错误放过。一种将这两种错误与执行成本分开定价的治理损失（governance loss）（L_gov）在假阳性（误报）主导（false-positive-heavy）的噪声条件下增加了一倍以上。聚合准确率隐藏了谁受到伤害，而成本低廉的可审计指标是用户拥有的连接数（度数（degree）），这是定义桥梁的中介性（betweenness）的近乎完美的代理（r=0.96）。

查看arXiv页面（https://arxiv.org/abs/2606.14819）查看PDF（https://arxiv.org/pdf/2606.14819）GitHub0（https://github.com/YehudaItkin/noisy-perception-governance）添加到收藏集（https://huggingface.co/login?next=%2Fpapers%2F2606.14819）

在你的智能体中获取这篇论文：

hf papers read 2606.14819

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

在模型README.md中引用arxiv.org/abs/2606.14819以从该页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2606.14819以从该页面链接。

引用此论文的Space0

没有Space链接此论文

在Space README.md中引用arxiv.org/abs/2606.14819以从该页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集（https://huggingface.co/new-collection）以从该页面链接。