Meta的公开数据循环：推荐算法从内容生产者那里偷走了什么

我注意到一个有意思的细节：扎克伯格在财报电话会议里说，Instagram会把所有公开帖子喂给大模型，再用分析结果训练算法。这句话听起来像是一个技术优化公告，但仔细想想，它其实揭示了一个正在发生的根本性转变——平台不再只是被动地收集用户行为数据，而是主动用大模型去“理解”内容，然后再用这种理解去重塑用户看到的内容。

先说结论：这种做法短期看能给推荐系统带来更丰富的语义信号，让算法更精准，但长期来看，它可能让内容创作者陷入一个“为算法生产内容，又被算法用自己生产的内容训练”的循环，最终导致平台内容的同质化和创作者话语权的进一步削弱。

我最近正好在看一篇关于“推荐系统与大模型结合”的论文，论文里提到一个观点：传统推荐系统依赖用户历史行为（点击、点赞、停留时长），但这些信号是稀疏的、有偏的。大模型可以做内容理解，把一篇帖子、一张图片、一段视频转换成高维语义向量，然后推荐算法就能基于这些语义向量去匹配用户兴趣，而不只是看用户之前点过什么。这听起来很厉害，但问题在于，Meta现在要做的不是单纯地用大模型做特征提取，而是“用大模型分析结果训练算法”。这意味着，推荐算法的训练目标本身就是由大模型对内容的判断来定义的。

举个例子：假设你在Instagram上发了一张咖啡拉花的照片，系统先用大模型给这张照片打上“精致生活”“咖啡文化”“审美”这样的标签，然后把这些标签当作训练数据，去优化一个排名模型。排名模型学会的是：当用户属于“精致生活”兴趣簇时，就把这类内容推高。但问题来了，这个“精致生活”标签是由大模型定义的，而大模型是一个黑盒，它的判断标准可能来自训练数据中的文化偏见，也可能来自平台商业利益——比如更偏向能带来广告点击的内容风格。

这让我想到另一个问题：所有公开帖子都被喂给大模型，那创作者是否知道自己的内容被用来训练算法，并且算法会反过来决定谁能看到这些内容？从技术上说，公开帖子本来就属于平台可以使用的内容，但过去平台只是展示内容，现在平台用内容去训练一个“控制曝光”的模型。这就像你写了一篇文章，然后平台用你的文章去训练一个“哪些文章值得被更多人看到”的评分器，而你自己的文章可能因为评分器认为不够“吸引人”而被降权。这种循环对新手创作者非常不友好：他们需要先发布高质量内容，但高质量内容的标准是由大模型从已有成功内容中总结出来的，所以新人只能模仿头部创作者，从而加速内容同质化。

我注意到一个有趣的细节：扎克伯格是在财报会议上说这件事的，他强调的是“用户使用增长”。也就是说，Meta认为这种做法能提升推荐效率，从而增加用户停留时间。但用户增长背后，创作者可能正在失去对自身内容流向的控制。你可以想象，一个摄影师精心调色的照片，被大模型分析后，可能被归类为“滤镜过重”或“不符合当前审美趋势”，然后推荐算法就给它更低的权重。摄影师永远不知道发生了什么，只感觉点赞越来越少。

从研究视角看，这个问题属于“数据飞轮”的变异版本。传统推荐系统的数据飞轮是：用户行为越丰富，推荐越准确，用户越满意。但加了内容理解大模型后，数据飞轮变成了：用户内容被

原文链接：https://www.ithome.com/0/983/471.htm