新时期下互联网“以舆扰法”现象研究报告 摘要 随着互联网技术的发展和社会信息化程度的提高，网络舆论在现代社会中的 影响力日益增强。网络舆论不仅能够迅速传播信息，还能够形成强大的社会压力， 影响公共政策乃至司法决策。然而，网络舆论有时也会干扰正常的司法程序，影 响司法公正。本报告旨在探讨网络舆论对司法公正的影响，并提出相应的对策建 议。 引言 近年来，多起司法案件引发了广泛的网络关注，网络舆论的介入使得这些案

外卖平台补贴大战：政府干预的合法性与消费者 心态研究 1 外卖大战背景与发展脉络 2025年初，中国外卖市场爆发了一场前所未有的 补贴大战。2 “ ” 月，京东以 百亿补贴 高调进军外 卖市场，宣布全年免佣金吸引商家，承诺为全职 “ 骑手全额缴纳五险一金，并推出 超时20分钟免 ” 单 政策，所有成本均由平台承担。这一策略迅 速见效，京东外卖日单量短期内从500万激增至 超1000万单，对美团、饿了么构成直接挑战。 系统使生鲜投诉率下降 62%。这些案例证明技术创新比价格战更能创造 长期价值。 - 商业伦理重构：南城香董事长汪国玉呼吁： “商家可选择性退出薄利活动，在平台竞争中寻 ” 找适配自身品牌的可持续发展路径 。浙江大学 研究员袁哲指出，平台应将资源投向基础设施建 “ 设， 帮助餐饮企业降低经营成本，而非简单价 ” 格战 。 5.2 监管优化方向 - “ ” 一案双查 机制深化：郑州市场监管局启动专 “ 项整治，对无证经营、刷单炒信等行为实行

AIGC发展研究 清华大学 新闻学院、人工智能学院 @新媒沈阳 团队、 AIGC 2024年11月团队简介 沈阳为清华大学新闻学院/人工智能学院教授、博导，清华大学新 闻学院元宇宙文化实验室主任，清华大学新闻学院新媒体研究中心主任。 从事多个教学科研领域，包括新闻传播学、计算机科学、信息管理学、 医学。 领导学术研究团队近40人。指导AI元宇宙和机器人两个产业团队。 @新媒沈阳元宇宙/虚拟数字人/大数据/AI 系列研究 新媒体系列报告2015年开始 VR的新浪潮 虚拟数字人发展研究报告3.0 虚拟数字人发展研究报告1.0 大数据/AI/5G生态报告 5G下一代风口：AR 2022 2021 2020 2019 2017 2016 2015 2007 虚拟社区与虚拟时空隧道 虚拟数字人发展研究报告2.0 虚拟数字人系列 ——溯源应用与发展 ——社会价值与风险治理 4 2023 元宇宙发展研究报告2.0版 元宇宙发展研究报告3.0版 韩国元宇宙动态研究报告 时空智能发展研究报告1.0 数字藏品发展研究报告1.0 元宇宙发展研究报告1.0版 元宇宙系列 元宇宙发展研究报告4.0 新媒体发展研究报告9.0 AIGC发展研究报告2.0 AIGC发展研究报告1.0 人形机器人发展研究 大语言模型综合性能评估报告一 AI 哲学哲思问道：思辨革新

的时候，效果还不如那个谣言传播的更广。 哥伦比亚大学研究者开发出一款 Emergent 谣言传播跟 踪工具，可记录每一个传言及质疑或辟谣的分享次数。从统 计数据看，大部分谣言获得的分享次数都要比辟谣的信息高 得多。如，网传佛罗里达州一女子植入第三个胸，假消息迅 速获得 18.8 万次分享。尽管媒体随后澄清是假新闻，但辟 谣消息获得的分享数不足谣言的 1/3。再如，武汉大学互联 网科学研究中心对马航失联传言进行统计，梳理了 我们价值观不符的信息，遇到一个新鲜事情，第一反应不是看它合不合理，而是看它符不符合自己的看法。 2018 年 3 月出版的《科学》刊登麻省理工学院 3 位研究 者对《网上真实与虚假信息传播》（The Spread of True and False Information Online）的研究成果。他们对 2006-2017 年被 300 万人转发 450 万次的 12.6 万篇新闻的 Twitter 传播 情况进 情况进行了分析，发现与发表真实新闻的推文相比，发表不 实新闻的推文被转发的概率高 70%。不实新闻比真实新闻跑 得更快、更深、更广。 研究人员将新闻定义为“在 Twitter 上发表的任何信息”， 可以是文字、照片或网上的文章链接。研究人员避免使用争议性术语“假新闻”（fake news），而使用“不实新闻”（fal se news）。他们将新闻分类为真实（true）或虚假（false）。 如果一条

逐良币现象。OpenAI 在训练 GPT-5 时已经遇到文本数据不 足问题，不得不考虑使用 Youtube 视频转录出的文本数据。 当下，数据生产存量的增长速度远远低于数据集规模的增长 速度。据人工智能研究机构 Epoch AI 在 6 月 4 日发布的论 文预测，未来 10 年内数据增长速度将无法支持大模型的扩 展，大模型将在 2028 年耗尽互联网上所有文本数据。按照 当前趋势发展，文本数据耗尽的中位年份是 生成的合成数 据很快进入了训练新模型的数据集，并随着每一代模型而不 断积累。越来越多证据显示，人工智能生成的文本，即使被 引入训练数据集的量很少，最终也会对训练中的模型产生 “毒害”。[2]研究人员将一些由 AI 生成的语料作为训练数 据，“投喂”给一个正在训练的语言模型，然后使用它所输 出的结果再来训练新模型，并重复这一循环。他们发现，模 型每迭代一次，错误就会叠加一次。当人们要求第 的图片就变得模糊不清了。研究人员不得不寻找没有被污染 的训练数据。随着 AI 生成的内容充斥互联网，它正在破坏 未来大模型训练的数据。 如今，人工智能已经强势侵入人类的互联网，极大地改 变了网上文本和图像的生成和传播系统。牛津大学、剑桥大 学、帝国理工大学、多伦多大学研究人员发现，使用 AI 合 成数据训练 AI，在进行 9 次迭代后，模型开始出现诡异乱码进而直接崩溃，相关研究论文登上 Nature

通常形容来自草根发布、被认为一般不会流行起来的东西。 如，一篇文章从一个网站用户到另一个用户的快速而广泛的 传播，像病毒一样被迅速分享和传播。公元前 350 年，古希 腊哲学家亚里斯多德就开始研究内容问题，尤其是什么因素 让自己的演讲充满说服力而且难忘。他想了解人们为什么会 把想法信息传递给其他人，从而创造一种连锁反应。他在研 究后得出 3 个主要原则：精神、感伤和标识。他还总结了三 和同事凯瑟琳·米尔克曼做过一个“为什么内容是病毒性 的？”的研究。他们统计了 2008 年 8 月 30 日-11 月 30 日 《纽约时报》的 7000 多篇文章，分析 6 个月内“电子邮件 转发最多”的列表。他们研究被疯狂转发的文章与其他文章 的不同之处，既有政治性的，也有国际新闻，还包括体育、时尚和其他有趣内容等。他们在《纽约时报》主页上进行测 试，目标是判断内容是否带有可预测的病毒性。研究发现， 最先得到转发的包括科学版报道和专栏文章，其比非科学报 行了神经 系统试验。在一个试验中，一组参与者观看一段经过特殊剪 辑的视频，而另一组观看原视频。在另一个试验中，一组参 与者慢跑一分钟，而另一组保持不动，然后所有参与者阅读 同一篇文章。在两个研究中，均是被激活情感的那一组更倾 向于分享，而且跑步的那一组的分享率是另一组的两倍多。 乔纳·伯杰解释说：“因为他们的身体已经准备好了。‘被激 活’是一种人们不太喜欢的状态，所以人们迫切地通过分享

提出超级对 齐（superalignment）[1]概念，即当超级智能拥有比人类更 丰富的世界知识，比人类更聪明时，人类作为弱监督者如何 监督、对齐和控制超级智能。人民大学高瓴人工智能学院、 腾讯微信研究人员针对“AGI 是否会在人类未知的地方欺骗 人类”问题开展实验。[2]实验结果发现，在不同冲突设定 下，“弱至强欺骗”现象存在，即 strong model（人工智能） 在 weak mod 们聪明得多，它就会非常擅长操纵，因为它会从我们那里学 到这一点，而且很少有聪明的东西被不太聪明的东西控制的 例子。”辛顿提到的“操纵（人类）”是 AI 系统带来的一个 特别令人担忧的危险。 AI 系统能否成功欺骗人类？多项研究表明，AI 已经能 够无师自通地学会欺骗手段，自行做出不诚实的行为。在一 些与人类选手的对抗游戏中，它们为了赢得游戏，会在关键 时刻佯动欺骗，甚至制定周密阴谋，以化被动为主动，获得 竞争优势。在一些检测 水”，减少被发现的概率，等到了应用环境中才会暴露本性。 如果 AI 的这种欺骗能力未经约束地持续壮大，同时人类不 加以重视并寻找办法加以遏制，最终 AI 可能会把欺骗当成 实现目标的通用策略。麻省理工学院研究员彼得·帕克（Peter Park）等在权威期刊 Patterns（模式）发表论文，系统梳理 AI 具备欺骗行为的证据、风险和应对措施，指出“人工智能 的欺骗能力不断增强，带来严重风险，从短期风险（如欺诈

有 1％会积极创造内容，9％会进一步参与讨论，如点赞、分 享，90％只是浏览些内容，并不参与互动。意大利经济学家 维弗利度·帕累托曾提出著名定律：80/20 定律 (80/20 法 则)。他在研究中发现，意大利 80%的收入来自于 20%人口， 于是提出 80%的产出来自 20%的投入这个重要定律。后来， 这个定律被广泛运用于社会科学领域，意指在任何特定群体 中，重要因子通常只占少数，而不重要因子则占多数，只要 重度创作者的比例维持在 1%以上甚至达 2%、3%，就表明经 营推广效果非常好。雅虎发展战略部副总裁布拉德利·霍罗 维茨在研究用户使用雅虎社群、图片共享网站 Flickr 和 Wiki pedia 后的共同点后认为，1%法则是对的。维基百科创始人吉 米·威尔士的研究表明，Wikipedia 近一半编辑工作是由 2.5% 的用户完成。如果以 2008 年 8 月的中文维基百科为例，当 时拥有注册用户超过 0.5%。MR JAMIE（杰米先生）网站也出现类似情况， 每天 5000-10000 名访问者，只有 500-1000 人会点赞、分享， 不到 50 人留言发表评论。Church 消费者博客的研究也显示， Wikipedia 的 50%内容由 0.7%的用户提供，超过 70%的文章由 1.8%的用户提供。Yahoo 的 Bradley Horowitz 发现同样的情 形也发生在 Yahoo

“暗网”被喻为“隐藏的服务器”。最初源于美国军事机构，1996 年美国海军研究试验所为保护船只间通讯网络安全，避免被敌军跟 踪信号，启动一项旨在通过代理服务器加密传输数据的技术开发， 任何使用者都会实时处于匿名状态，而不会泄露身份，其保护密码 像洋葱一样层层叠叠，被命名为“洋葱路由”（Onion Routing， 简称 Tor）。2004 年，美国海军研究实验室财政紧缺，停止对 Tor 的资金支持，并将之开源。 持完全的匿名性，不会留下任何访问痕迹。浏览和搜索暗网需使用 特殊“暗网”专用搜索引擎，如，Onion.City、Onion.to、Not Evil、 Memex Deep Web Search Engine 等。2016 年，研究人员开发出新 的匿名网络系统 Riffle，修补了 Tor 的一些漏洞，对抗黑客监听 和政府追踪的能力更强，而且能使用较少的带宽在匿名用户之间传 输大文件。 暗网的域名数量可达可见互联网的 1％，主要由各种贩卖毒品、武 温床。如，“丝绸之路”、Agora 都曾是“暗网”最大毒品交易市 场，每年交易额不低于 1 亿美元。专项研究报告显示，“暗网”的 57%由儿童色情、非法金融、毒品市场、贩卖武器、假币等非法内 容组成。IS 极端组织网站多数建在“暗网”，以躲避各国政府打 击，传播极端思想，持续招募成员。一些国家的异议人士、记者、 研究人员经常使用 Tor 浏览器掩藏其网络浏览偏好和地理位置，匿 名发布和传播信息。在“阿拉伯之春”中，埃及抗议者通过暗网串

是传 播学的分支领域。这种简化视角不仅低估了网络舆情的复杂 性，也无法全面把握其本质特征和运行规律。实际上，网络 舆情是一个融合政治学、社会学、经济学、传播学、心理学、 法学等多学科的综合性研究领域。 从政治学视角看，网络舆情体现了公众与政府之间的互 动关系，是民众对公共问题和政府管理所表达的一种社会政 治态度和信念、价值观等等。这种表达往往影响着政策制定 和调整，成为现代民主治理的重要组成部分。从社会学角度 及其背后蕴含的注意力经济模式。 心理学研究揭示了网络舆情形成中的群体心理机制，如 从众心理、群体极化、移情心理等。法学视角则关注网络舆 情涉及的言论自由界限、隐私保护、网络法律责任等法律问 题。传播学虽然提供了信息传播的理论框架，但必须与其他 学科结合才能全面把握网络舆情的复杂性。这种跨学科特性 势必要求我们要采用更加综合的研究方法，超越传统学科界 限，建立全新的网络舆情分析范式。 表：网络舆情研究的跨学科视角 表：网络舆情研究的跨学科视角 网络舆情研究已经成为一个独立且日益重要的学术领 域，其发展依赖于多学科的融合与创新。这种融合不仅体现 在理论层面，也体现在方法论层面。例如，利用计算机科学 的自然语言处理（NLP）和机器学习技术进行大规模文本分 析；借助社会学和心理学的理论框架解读舆情背后的社会心 态；应用经济学的模型评估舆情对市场的影响等。只有打破学科壁垒，才能真正理解网络舆情的本质特征和运行规律， 从而形成有效的管理策略。