合成媒体与信息完整性
合成媒体研究正在从“看起来像不像真的”转向信息完整性的基础设施与激励问题。第一幕建立传播级联、图像取证、纠错、GAN、协同行为和心理接种等基本对象；第二幕则进入深伪泛化、合成文本、准确性提示、社区注释、跨平台检测、来源凭证、水印和商业激励。单个检测器的准确率不再足够，内容从生成到分发的来源链、平台摩擦、申诉与误伤必须一并核算。
第一幕解释操纵如何发生：自动账户、传播级联、图像痕迹、纠错、对抗生成、协同行为、心理接种与平台标签。真假不再只属于内容本身，而属于传播结构和判断条件。
甲、计算宣传与社交机器人Computational Propaganda and Social Bots
在2011年前后的内容生成、传播、推荐、核查、标注与跨平台治理里，单条内容真假曾是最省事的解释。可把被封后重生账户、付费真人与无法归因的自动化工具重新放回来源链、传播级联、检测误差、曝光、申诉、商业激励与被误伤者后，计算宣传与社交机器人的方向便不再稳定；旧问题并非少收几条数据，而是先把对象边界切窄了，在该转向中可用被自动或半自动账户放大的低可信链接数直接检验。
核心主张是：网络舆论操纵的规模主要由自动账户能否协同放大少数叙事决定，而不是单条内容真假决定。理论责任被压在自动账户的协同行为上，其他变量只有在能改变被自动或半自动账户放大的低可信链接数／全部低可信链接数时才进入解释。若固定自动账户的协同行为后方向仍在，或反向操纵它却不改变结果，这一单因命题就失去判别力。
源行中的提出、争议与更新分别来自Ratkiewicz等（2011）、Ferrara等（2016）、Shao等（2018）。Truthy项目用转发网络和时间模式识别政治操纵；2016年综述系统描述机器人检测，后续研究发现少量低可信账户可在传播早期承担不成比例的扩散。本项把证据压到上述分子—分母上：分子记录被自动或半自动账户放大的低可信链接数，分母固定为全部低可信链接数。这样既能比较内容生成、传播、推荐、核查、标注与跨平台治理，也能看见该未登记群体具是否被悄悄移出分析。计算宣传社交机器的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
最锋利的边界是：当平台提高封号阈值而操纵者转向真人众包时，机器人减少会反而掩盖更强协同网络。这说明推荐系统、对抗生成、身份极化、平台规则和广告模式不是背景噪声，它可能倒过来塑造自动账户的协同行为。判别设计应在同一全部低可信链接数下分别改变两者，观察被自动或半自动账户放大的低可信链接数是否按预测反号。
在报告和治理上，该未登记群体具应成为独立字段，不能并入“其他”或“不适用”。同时公开上述分子—分母及排除理由；若空栏扩大而中心指标改善，用户、平台、发布者、核查者、媒体机构与生成模型应先解释选择过程，再谈成效。
把计算宣传社交机器放到另见第 204 号第 12 条『网络化虚假信息把内容真假改成协同行为』旁核验：先对齐对象、时间窗和责任人，再检查计算宣传社交机器的核心判断在另一套分母中是否仍同向。
乙、谣言级联与传播结构Rumor Cascades and Diffusion Structure
谣言级联与传播结构出现之前，合成媒体与信息完整性常从发布者粉丝数出发，把新颖性驱动的级联留在解释末端。2014年后的异常是：私聊、截图再传播和未被核查的长尾故事越多，中心读数反而越整齐。若不重做来源链、传播级联、检测误差、曝光、申诉、商业激励与被误伤者，这种整齐只能来自选择。核查谣言级联传播结构时，在该转向中，这一点把用户、平台、发布者、核查者、媒体机构与生成模型从结果使用者变成对象定义的共同责任者。
虚假信息扩散优势主要由新颖性和情绪在网络级联中提高转发概率决定，而不是发布者粉丝数决定。这句话故意把立场写窄：决定可信信息能否被识别、传播并获得制度性优势的是新颖性驱动的级联。因此必须比较有无该因素时虚假故事达到1500人所需时间／真实故事达到同规模时间的差，而不能用更多协变量把相反结果事后吸收。
证据链由Friggeri等（2014）、Del Vicario等（2016）、Vosoughi、Roy与Aral（2018）三笔材料构成。2018年研究分析2006—2017年约12.6万条经核验故事、300万用户、450万次传播，虚假新闻比真新闻传播更远、更快、更深，政治类差异最大。与其只写“效果显著”，不如读取上述分子—分母；分子记录虚假故事达到1500人所需时间，分母固定为真实故事达到同规模时间，因而分母变化会立刻暴露。
反向条件已经写在方法自身之中：当平台把转发改为私域或降低公开计数时，表面级联缩小会反而使检测更难。因此不能只在顺利场景验证谣言级联与传播结构；还要把推荐系统、对抗生成、身份极化、平台规则和广告模式设为预先登记的压力条件，并保留没有通过流程的对象。在谣言级联传播结构这条证据链上，围绕该研究线索，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
实践改动可以很具体：为这些漏记对象建立数量、原因、去向和后续状态四列，并与上述分子—分母同步发布。这样来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革才能区分真实改善、风险转移和记录缺口。
二者都默认观察、记录与评估不会改变正在被观察的系统，但本项以新颖性驱动的级联解释这一比率，对方则以发作前电活动的在线识别解释被阻断的临床发作数／全部记录临床发作数；第三变量可能藏在两边未设字段的部分，在谣言级联与传播结构中可用虚假故事达到1500人所需时间直接检验。把谣言级联传播结构放到另见第 273 号第 17 条『生成式合成媒体：真实性治理必须覆盖来源、标记与传播链』旁核验：先对齐对象、时间窗和责任人，再检查谣言级联传播结构的核心判断在另一套分母中是否仍同向。
丙、数字图像取证Digital Image Forensics
真正刺破这一口径的是原始文件已丢失、反复截图和没有可信来源链的图像：它既不属于成功，也不被算作失败，却足以改变可信信息能否被识别、传播并获得制度性优势。在合成图像机制这条证据链上，围绕该转向，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
本项把争论落到一个可推翻的判断：合成图像识别主要由压缩、传感器、光照和生成过程留下的统计痕迹是否可分离决定。生成与编辑痕迹若真是决定项，便应在内容生成、传播、推荐、核查、标注与跨平台治理改变时留下同一方向的读数；若替代机制无需它也能复现结果，主张即告失败，在数字图像取证中可用跨平台正确识别图像数直接检验。
Farid（2009）、Verdoliva（2020）、Gragnaniello等（2024）给出从提出到争议再到近年修正的连续线索。早期取证利用JPEG双压缩、传感器噪声、阴影和重采样；后续深度模型在已知数据集上获得高准确率，但跨生成器和社交平台压缩后性能明显下降。最适合复算的量是跨平台正确识别图像数／全部待检图像数，其中分子记录跨平台正确识别图像数，分母固定为全部待检图像数，可把平均改善与样本选择区分开。合成图像机制的结构读数拆成3项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
当平台重编码或攻击者做后处理时，更高实验室准确率会反而对应更差现场泛化。这一反号不是“效果变弱”，而是因果方向被改写，同时把这组账外材料像留在分母。若在该条件下该复核口径仍不变，现有边界说被削弱；若确实翻转，主张只能在更窄适用域成立，这里由生成与编辑痕迹承担证伪风险。对合成图像机制做反向检验，换言之，数字图像取证的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。
合成媒体与信息完整性的账本需要补上该未登记群体像。它们不是注脚，而是决定全部待检图像数如何形成的对象；若仍被删除，上述分子—分母便无法支持可信信息能否被识别、传播并获得制度性优势。
共同前提为观察、记录与评估不会改变正在被观察的系统；差别在于E位的生成与编辑痕迹与D位的模型发现与细读反证的往返争夺主因。若同时成立，就必须追踪这些漏记对象像何时转化为与模型结论冲突但未被选入展示的文本。
丁、纠错与逆火效应重估Corrections and the Backfire-Effect Reassessment
围绕纠错与逆火效应重估，旧账本默认受众是否立即改变政治立场足以代表全貌。2010年前后积累的材料却显示，账户、内容、来源凭证、注释与推荐曝光一旦换条件便会改向，而没有进入调查、拒绝更新和只在私域接触信息的人长期没有位置；因此需要改的首先是分母。对纠错逆火效应做反向检验，换言之，该转向的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。
这里不采用“多因素都重要”的安全表述，而明确主张纠错能否改善知识主要由信息是否清楚、可信且重复呈现决定，而不是受众是否立即改变政治立场决定。检验重点是事实更新而非立场说服能否独立解释纠正后错误信念下降量／纠正前错误信念水平的变化，并在控制推荐系统、对抗生成、身份极化、平台规则和广告模式后仍保留增量。
纠错与逆火效应重估的转向并非只靠概念推进。早期研究报告某些强认同者纠错后错误信念上升；2019年对52个争议议题的5项实验、超过1万名受试者发现事实纠正普遍有效，真正逆火极少。源行列出的Nyhan与Reifler（2010）、Wood与Porter（2019）、Porter与Wood（2022）分别承担原始命题、边界与更新。核心读数采用上述分子—分母；分子记录纠正后错误信念下降量，分母固定为纠正前错误信念水平，因此不同材料可以在同一坐标上比较。
本项自己的限制是当纠错重复错误标题却不给替代解释时，熟悉效应会反而增强错误记忆。它迫使合成媒体与信息完整性区分驱动与被驱动：事实更新而非立场说服究竟先于变化，还是被推荐系统、对抗生成、身份极化、平台规则和广告模式制造出来，应由时间顺序和对照条件裁决。把纠错逆火效应放回原窗口，其也解释了为什么纠错与逆火效应重估在不同制度中可能指向不同对象。
面向用户、平台、发布者、核查者、媒体机构与生成模型，最低披露要求应包括上述分子—分母、所有排除规则以及这些漏记对象的原始数量。只有把失败流程保留下来，才可能复算上述机制在真实条件中的净效应。
它与这一制度安排同属前提族07，却用残障者对研究问题与资源的领导权而非事实更新而非立场说服决定方向。比较这一比率和由残障研究者主导的关键步骤数／全部研究步骤数，可以寻找从S位转到S位的阈值。把纠错逆火效应放到另见第 353 号第 1 条『排序学习：检索目标是相对次序而非独立标签』旁核验：先对齐对象、时间窗和责任人，再检查纠错逆火效应的核心判断在另一套分母中是否仍同向。
戊、GAN降低合成门槛GANs Lower the Barrier to Synthetic Media
合成媒体与信息完整性过去处理GAN降低合成门槛时，往往先把形成过程留在不可见黑箱中，再把可见结果定为主对象、其余差异视作噪声。问题在于，未发布失败样本、训练数据中的真人与被模型复制的特征正好集中在这些“噪声”中，它们决定了结果能否离开内容生成、传播、推荐、核查、标注与跨平台治理。把逼真合成机制放回原窗口，其也解释了为什么该转向在不同制度中可能指向不同对象。
逼真合成能力主要由生成器与判别器在对抗训练中共同逼近数据分布决定。从位置上说，本项把对抗生成分布当作主要判决点，要求用户、平台、发布者、核查者、媒体机构与生成模型说明它如何把其他条件传递到未被人或模型识破的合成样本数／全部合成样本数。若这条传递链找不到，相关性不能冒充机制，同时把这些漏记对象的特征留在分母。
从Goodfellow等（2014）、Chesney与Citron（2019）、Korshunov等（2024）可以追到主要证据。2014年GAN提出极小极大训练，随后人脸、语音和视频生成快速改善；法律研究在2019年前后指出深伪可用于欺诈、骚扰和政治操纵。本项不以单个峰值结算，而用上述分子—分母；分子记录未被人或模型识破的合成样本数，分母固定为全部合成样本数，同时要求把这组账外材料的特征保留在流程日志中。逼真合成机制的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
争议集中在这条可检查的反例：当训练分布狭窄时，画面更逼真会反而增加重复身份和可检测伪影。最小检验不是再加一个协变量，而是建立一个能让对抗生成分布失去优势的条件，并比较这一比率是否换号。对真实性是否能从猜测外观转成可验证链条的回答，也因此取决于该未登记群体的特征是否获得与成功样本同等的记录权。
制度层面的直接后果是：这些漏记对象的特征不得继续由研究者自由处理。应在来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革中预设编码，并说明它对该复核口径的影响，否则表面进步可能只是把困难对象移出视野。
若实验只看一个分母，这组账外材料的特征和离线创作、匿名艺术、旧软件和被截屏再发布的作品会被误当成无关余数。把逼真合成机制放到另见第 258 号第 7 条『概念漂移把模型衰退解释为生成过程变化』旁核验：先对齐对象、时间窗和责任人，再检查逼真合成机制的核心判断在另一套分母中是否仍同向。
己、协同不真实行为Coordinated Inauthentic Behaviour
2015年以前的常见做法，是用每个账号是否自动化替代协同不真实行为本身。就操纵网络机制的外推边界看，对真实性是否能从猜测外观转成可验证链条的回答，也因此取决于该未登记群体是否获得与成功样本同等的记录权。
命题的锋口在于跨账号协调模式，不是泛泛的“综合影响”：操纵网络识别主要由账号之间是否表现出异常同步、共享资产与统一叙事决定，而不是每个账号是否自动化决定。只要同一被证实协同账号数／全部被调查账号数可由另一条路径在没有该因素时得到，当前理论就必须让出一部分解释权。
现有实证由Metaxas与Mustafaraj（2015）、Bradshaw与Howard（2019）、Meta（2025）相互校正。研究从虚假草根活动扩展到跨国“网络部队”，以同秒发布、共同链接、重复媒体和管理基础设施识别协同网络；平台威胁报告持续公布清除行动。这些结果最终需要落在上述分子—分母上，因为分子记录被证实协同账号数，分母固定为全部被调查账号数，能防止只公布最顺利的一组。操纵网络机制的结构读数拆成3项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
协同不真实行为并非无边界成立。当检测只追逐公开重复内容时，操纵者转向分工叙事会反而降低可见同步。若研究只报告平均改善而不展示这一条件，可信信息能否被识别、传播并获得制度性优势会把选择性样本误认成稳定机制。围绕操纵网络机制，只要这组账外材料仍无独立编码，这一比率的改善就无法区分真实转向与流程清洗。
对协同不真实行为的应用评价，应把该未登记群体从余数提升为观察对象。主表既列该复核口径，也列这一空栏占比；二者反向变化时，结论必须暂停，在该转向中可用被证实协同账号数直接检验。沿操纵网络机制的责任链，在该转向中，这一点把用户、平台、发布者、核查者、媒体机构与生成模型从结果使用者变成对象定义的共同责任者。
共享前提是实施者、受益者与评定者可以重合而不引入系统偏差，但本项的E位机制与对方的S位机制方向不同。两者都真时，新的研究对象不是折中值，而是两种空栏之间的转换过程，同时把这些漏记对象留在分母。复算操纵网络机制之前，围绕本项证据，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
庚、心理接种与预防式辟谣Inoculation and Prebunking
理解心理接种与预防式辟谣的障碍，不是缺少更高精度的读数，而是旧框架把事后知道更多事实当成唯一入口。只要没有网络接入、低识字人群和未覆盖的新型操纵手法仍被排除，来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革就无法判断表面改善是否来自真实机制。只要该未登记群体法仍无独立编码，正确识别操纵技巧数／全部测试技巧数的改善就无法区分真实转向与流程清洗。
错误信息韧性主要由受众是否在遭遇具体谣言前识别操纵手法决定，而不是事后知道更多事实决定。这使先暴露操纵手法承担可识别责任：它被改变时，账户、内容、来源凭证、注释与推荐曝光也应按预测改变；它不动而结果大变，则说明真正驱动来自别处，在心理接种与预防式辟谣中可用正确识别操纵技巧数直接检验。
本条据此选用上述分子—分母作为共同刻度；分子记录正确识别操纵技巧数，分母固定为全部测试技巧数，而非把不同分母的“提升”混成同一件事。心理接种预防式辟的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
边界判决应围绕当提示泛化为“任何内容都可疑”时，识别训练会反而扩大犬儒主义展开。这里推荐系统、对抗生成、身份极化、平台规则和广告模式从环境变量变成反向因果来源；只有把它与先暴露操纵手法交叉操纵，才能知道谁在推动谁。围绕心理接种预防式辟，在心理接种与预防式辟谣中，这一点把用户、平台、发布者、核查者、媒体机构与生成模型从结果使用者变成对象定义的共同责任者。
可操作的改进不是再写一句限制，而是让这些漏记对象法进入数据字典、预算和复核流程。用户、平台、发布者、核查者、媒体机构与生成模型由此可以追踪它是否被转移给别的群体、别的时间或别的机构。围绕上述机制，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
前提族11保证它们在说同一种默认，先暴露操纵手法和逐步去噪生成则给出互斥解释；应以该复核口径对照有效独特样本数／单位生成计算量，而非用术语相似代替检验。把心理接种预防式辟放到另见第 273 号第 17 条『生成式合成媒体：真实性治理必须覆盖来源、标记与传播链』旁核验：先对齐对象、时间窗和责任人，再检查心理接种预防式辟的核心判断在另一套分母中是否仍同向。
辛、平台事实核查与标签Platform Fact-Checking and Labels
在内容生成、传播、推荐、核查、标注与跨平台治理中，平台事实核查与标签曾被写成一个由标签文字决定的封闭问题。后来出现的反例都指向同一缺口：未被核查的长尾、图像梗和小语种内容没有被编码，用户、平台、发布者、核查者、媒体机构与生成模型因而看不到结果是在何处被筛选出来的。沿平台事实核标签的责任链，在该转向中，这一点把用户、平台、发布者、核查者、媒体机构与生成模型从结果使用者变成对象定义的共同责任者。
本项选择了一个会输的说法——平台纠错效果主要由核查结果是否改变推荐、分享摩擦与可见性决定，而不是标签文字单独决定。核查结果的分发摩擦不是附加解释，而是决定方向的核心；观察到它与被核查且触发分发措施的内容数／全部高传播可疑内容数脱钩，便足以否定当前版本。
2016年后平台与第三方核查机构合作，对被判错误内容降权、附标签或限制广告；实验显示媒体素养提示可改善辨别，但不同标签设计效应有限。这组发现由Facebook与International Fact-Checking Network（2016）、Guess等（2020）、Full Fact（2025）提供出处。平台事实核标签的结构读数拆成3项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
方法学上最重要的警告是：当标签成为党派身份信号时，醒目标记会反而提高支持者的对抗性分享。所以验证平台事实核查与标签必须包含故意制造失败的压力测试，不能只复制原论文最有利的设置。复算平台事实核标签之前，围绕该研究线索，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
上述分子—分母只有与这些漏记对象同时公开才有解释力。前者显示中心表现，后者显示被流程遗弃的部分，同时把该未登记群体留在分母；两张表合并，才构成可信信息能否被识别、传播并获得制度性优势的完整账本。按平台事实核标签的对象表，换言之，平台事实核查与标签的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。
两项都把文本、代码或模型被复制后，实践能力也随之迁移当作未言明条件，但一项站D位，另一项站S位。若方向翻转，优先检查这些漏记对象是否在对方账本中被重新命名。对照平台事实核标签的主源，其也解释了为什么本项证据在不同制度中可能指向不同对象。
第二幕把治理推进到部署层：跨生成器检测、合成文本、预防提示、分享摩擦、社区注释、跨平台协调、来源凭证、水印、人类校准、写作助手和平台激励。
一、深伪检测军备竞赛The Deepfake Detection Arms Race
旧口径讨论深伪检测军备竞赛时，先看同数据集准确率，再把不符合预期的部分留给误差项。未提交检测的内容、无法取得原视频和低质量再编码恰是误差项里最有信息的一类；它要求来源链、传播级联、检测误差、曝光、申诉、商业激励与被误伤者同时记录未发生、未进入和被改写的情况。复算深伪检测机制之前，围绕该转向，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
与旧口径相比，新主张把重点改成跨生成器泛化：深伪检测是否有效主要由模型能否识别训练中未见的生成器和现实压缩决定，而不是同数据集准确率决定。因果责任不能靠拟合优度垄断，必须由前瞻预测、干预或跨条件稳定性来取得，同时把这些漏记对象码留在分母。
三笔关键材料是Rössler等（2019）、Dolhansky等（2020）、Groh等（2022）。FaceForensics++建立1000个原始视频和多种操纵；DFDC扩展到超过10万段视频。人类在部分政治演讲深伪任务中平均接近随机水平，模型也在跨域时显著下降。其可核对性取决于未知生成器正确检出数／全部未知生成器样本数：分子记录未知生成器正确检出数，分母固定为全部未知生成器样本数。若这组账外材料码没有计数，指标再精确也只是局部样本的读数。
当攻击者针对检测器优化时，增加训练轮次会反而暴露新的可利用边界。该情形把跨生成器泛化从解释者变成被解释对象。若该未登记群体码又在此时集中增加，说明反号来自流程选择，而非随机波动。按深伪检测机制的对象表，换言之，深伪检测军备竞赛的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。
实施者应为这些漏记对象码设立不可覆盖的日志项，并在每次更新深伪检测军备竞赛时重新计算这一比率。若空栏增长快于分子，所谓优化应被认定为风险外移，这里由跨生成器泛化承担证伪风险。对照深伪检测机制的主源，其也解释了为什么该转向在不同制度中可能指向不同对象。
跨生成器泛化与可寻址图像区域与清单不能同时垄断解释；把该复核口径和可由同一客户端读取的对象数／全部数字对象数接到同一案例，才可能识别第三种条件。对真实性是否能从猜测外观转成可验证链条的回答，也因此取决于这组账外材料码是否获得与成功样本同等的记录权。
二、合成文本与自动化影响Synthetic Text and Automated Influence
合成文本与自动化影响的早期证据容易被误读，因为单篇文章质量给出了一个清楚、可发表的答案。按合成文本自动化影的对象表，换言之，该转向的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。
文本操纵能力主要由模型能否低成本生成大量风格一致、情境适配的叙事决定，而不是单篇文章质量决定。在这套解释中，规模化叙事生成应当先于结果变化出现，并对可持续运营的独特合成账号内容数／全部生成内容数提供不可替代的预测。若时间顺序或增量效度不成立，就不能继续称其为决定因素，同时把这些漏记对象留在分母。
Zellers等（2019）、Uchendu等（2021）、Liang等（2025）共同构成了本项的证据骨架。Grover展示大型生成模型可写仿新闻并反向检测；后续基准显示检测器对新模型、改写和多语言迅速退化，生成文本可被用于评论淹没与搜索污染。这里把量纲写为上述分子—分母，分子记录可持续运营的独特合成账号内容数，分母固定为全部生成内容数，用来约束跨群体、跨装置或跨制度的比较。合成文本自动化影的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
当前主张的适用域由一句反证界定：当平台只清除高相似文本时，模型增加多样性会反而提高操纵网络存活率。在内容生成、传播、推荐、核查、标注与跨平台治理中，应预先声明何时停止、何时重估以及哪些失败仍进入全部生成内容数。对照合成文本自动化影的主源，其也解释了为什么合成文本与自动化影响在不同制度中可能指向不同对象。
来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革应把该未登记群体纳入验收，而非只检查可持续运营的独特合成账号内容数。一项制度或技术若靠缩小全部生成内容数取得更好读数，就没有改善完整对象。在合成文本自动化影的实施账本里，对真实性是否能从猜测外观转成可验证链条的回答，也因此取决于这组账外材料是否获得与成功样本同等的记录权。
双方共享指标一旦进入考核、市场或治理，仍然测量原来的对象，本项关注规模化叙事生成，对方关注创作者对训练使用的选择权；若只保留成功记录，该未登记群体与来源不明抓取、已故作者、集体传统与匿名作品都会消失，碰撞也就失去材料。
三、预防式提示的规模化Scaling Prebunking Interventions
合成媒体与信息完整性对预防式提示的规模化的旧默认，是把可见结果视为对象的固定属性，而把形成过程留在不可见黑箱中。2022年后，越来越多研究发现推荐系统、对抗生成、身份极化、平台规则和广告模式会改变该属性，而跳过视频、关闭提示与不使用主流平台的人正是这种回写最先留下的痕迹。对照平台级预机制的主源，其也解释了为什么该转向在不同制度中可能指向不同对象。
本项只承认短视频中的技巧识别作为方向开关，因而提出平台级预防干预主要由短内容能否在不针对党派立场的情况下提高技巧识别与后续分享质量决定。该开关必须能区分内容生成、传播、推荐、核查、标注与跨平台治理中的成功与失败，而不是只在事后给成功案例命名。
接种视频在多个实验中提高对操纵手法的辨别，后续研究比较可信来源纠正、预警和重复提示；平台现场效应通常小于实验室但可覆盖大规模用户。因此应报告提示后高质量分享增量／全部提示曝光；分子记录提示后高质量分享增量，分母固定为全部提示曝光，从而让失败和成功使用同一个分母。
预防式提示的规模化最容易被过度推广的地方在于当提示频率过高时，安全提醒会反而变成背景噪声并降低注意。这要求研究把推荐系统、对抗生成、身份极化、平台规则和广告模式视为主动变量，并检验它能否在不改变表面输入时改变该复核口径。在平台级预机制的实施账本里，对真实性是否能从猜测外观转成可验证链条的回答，也因此取决于这组账外材料是否获得与成功样本同等的记录权。
对实践最直接的要求，是把该未登记群体写进正式表格，并保留其发生时间和责任环节。这样才能判断上述分子—分母的变化来自短视频中的技巧识别，还是来自流程重新筛人。只要这组账外材料仍无独立编码，该复核口径的改善就无法区分真实转向与流程清洗。
共同默认是指标一旦进入考核、市场或治理，仍然测量原来的对象，而D位的短视频中的技巧识别和E位的人类可控表达贡献分别声称决定方向。可用两边量纲的联动检验谁先发生，同时把该未登记群体留在分母。把平台级预机制放到另见第 273 号第 17 条『生成式合成媒体：真实性治理必须覆盖来源、标记与传播链』旁核验：先对齐对象、时间窗和责任人，再检查平台级预机制的核心判断在另一套分母中是否仍同向。
四、准确性提示与分享摩擦Accuracy Prompts and Sharing Friction
如果只按其政治知识给准确性提示与分享摩擦下定义，用户、平台、发布者、核查者、媒体机构与生成模型得到的是一个可测却不可迁移的对象。在准确性提示分享摩擦的实施账本里，对真实性是否能从猜测外观转成可验证链条的回答，也因此取决于该未登记群体是否获得与成功样本同等的记录权。
错误分享减少主要由用户在点击前是否被短暂引向准确性判断决定，而不是其政治知识决定。把责任锁在分享前注意转移上，意味着合成媒体与信息完整性要公开哪一步由它完成、哪一步只是伴随现象；若提示后可靠链接分享数／全部分享链接数对它不敏感，理论需要被削弱。
源行所列Pennycook等（2021）、Mosleh等（2022）、Capraro等（2025）展示了命题、反驳与更新。《自然》研究在多项调查与Twitter现场实验中显示，简单准确性提示可提高后续分享内容的平均质量；分享前阅读提醒与摩擦也能减少冲动转发。证据判断以上述分子—分母为中心，分子记录提示后可靠链接分享数，分母固定为全部分享链接数；这比只报平均值更能揭示推荐系统、对抗生成、身份极化、平台规则和广告模式。准确性提示分享摩擦的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
反号条件是当紧急事件需要快速扩散时，统一摩擦会反而延迟真实预警。只要这一条件存在，分享前注意转移便不能被当成外生常量；它必须随内容生成、传播、推荐、核查、标注与跨平台治理更新，并在结果中报告更新前后的差。从准确性提示分享摩擦的材料看，只要这组账外材料仍无独立编码，这一比率的改善就无法区分真实转向与流程清洗。
围绕准确性提示与分享摩擦，主指标与空栏必须成对报告：前者是该复核口径，后者是该未登记群体。任何只改善前者却扩大后者的方案，都不应被用户、平台、发布者、核查者、媒体机构与生成模型视为成功。
区别在于本项从E位解释，对方从D位解释，同时把这些漏记对象留在分母。若两条都得到支持，该未登记群体和无法归因的干扰、秘密载荷和未通报近距离操作应被建模为一个新的中介对象。把准确性提示分享摩擦放到另见第 353 号第 15 条『公平曝光：公平对象是注意力分配而非只看准确率』旁核验：先对齐对象、时间窗和责任人，再检查准确性提示分享摩擦的核心判断在另一套分母中是否仍同向。
五、众包核验与社区注释Crowdsourced Verification and Community Notes
众包核验与社区注释曾被放进一个过窄的问题框：多数票。这个框把推荐系统、对抗生成、身份极化、平台规则和广告模式当背景，也把没有足够评分者的小语种内容和被撤回的注释当无效记录。转向由此不是增加一个变量，而是承认背景和余数共同参与了结果，在该转向中可用在内容高峰前公开的有效注释数直接检验。从众包核验社区注释的材料看，只要该未登记群体仍无独立编码，在内容高峰前公开的有效注释数／全部最终有效注释数的改善就无法区分真实转向与流程清洗。
这里的单因判断是社区核验可信度主要由不同立场参与者是否能对证据与注释达成重叠认可决定，而不是多数票决定。跨立场一致性若成立，应能解释方向而不只是解释方差；如果它只让模型更复杂，却不改变样本外判决，就不构成新机制，同时把这些漏记对象留在分母。
群体实验显示适当汇总可识别低质量新闻；Community Notes采用桥接算法，只有获得观点多样参与者共同认可的注释才公开。相关出处见Allen等（2021）、Wojcik等（2022）、Martel等（2024）。众包核验社区注释的结构读数拆成3项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
理论边界不是“还需更多研究”，而是当极化使任何注释都无法跨群体通过时，审慎门槛会反而造成无提示真空。若这一反例在独立材料上稳定出现，合成媒体与信息完整性就应放弃单向叙事，转而建模反馈回路。核查众包核验社区注释时，在众包核验与社区注释中，这一点把用户、平台、发布者、核查者、媒体机构与生成模型从结果使用者变成对象定义的共同责任者。
该未登记群体需要获得与成功样本同等的追踪周期。只有在内容生成、传播、推荐、核查、标注与跨平台治理结束后仍能说明其去向，上述分子—分母才不是一次性展示，而是可问责的长期读数。在众包核验社区注释这条证据链上，围绕众包核验与社区注释，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
双方都默认清单、认证或标准条款全部通过意味着实质风险已消失，却分别把跨立场一致性和可审计的研究角色分离定为主因；冲突必须由共同案例中的反号读数裁决，裁决读数是这一比率。换言之，本项证据的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。
六、跨平台协同行为检测Cross-Platform Coordination Detection
在2021年前后的争论中，跨平台协同行为检测暴露出旧分类的代价：逐平台看内容能说明平均表现，却解释不了无法链接的账号、付费广告受众和封闭群组为何集中出现。对可信信息能否被识别、传播并获得制度性优势而言，这类集中不是噪声，而是边界错误。核查跨平台操机制时，在该转向中，这一点把用户、平台、发布者、核查者、媒体机构与生成模型从结果使用者变成对象定义的共同责任者。
跨平台操纵识别主要由时间、链接、账户迁移和基础设施关系能否被联合分析决定，而不是逐平台看内容决定。这一命题要求把行为同步而非内容相同与推荐系统、对抗生成、身份极化、平台规则和广告模式分开：前者应提供稳定的方向信息，后者只规定何时失效。两者混在一起，任何结果都能被解释，同时把这些漏记对象留在分母。
由Pacheco等（2021）、Ng与Carley（2022）、Meta（2025）可以复原这条思想的实证演化。协调网络研究用共发链接、时间同步和账户共现发现隐蔽群组；2022年后方法扩展到多平台与多模态，但公共数据访问逐渐收紧。最终判据不是描述性案例数，而是被跨平台证实的协调簇数／全部疑似协调簇数；分子记录被跨平台证实的协调簇数，分母固定为全部疑似协调簇数，使反例拥有与成功同等的统计地位。跨平台操机制的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
当平台关闭研究接口时，隐私保护会反而使高资源操纵者更难被外部监督。在跨平台操机制这条证据链上，围绕跨平台协同行为检测，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
这项转向会改变合成媒体与信息完整性的表格设计：不再把该未登记群体塞进备注，而是赋予编号、发生率和处置结果。主读数这一比率随之获得可复算的分母。对跨平台操机制做反向检验，换言之，跨平台协同行为检测的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。
它与本项的共有前提是清单、认证或标准条款全部通过意味着实质风险已消失，但两者分占D位和S位。若该复核口径改善而有原文证据可核对的模型判断数／全部模型判断数恶化，转换点很可能位于两类空栏的交界。把跨平台操机制放回原窗口，其也解释了为什么本项证据在不同制度中可能指向不同对象。
七、C2PA与内容来源凭证C2PA and Content Credentials
传统研究以事后猜测像不像描述C2PA与内容来源凭证，默认内容生成、传播、推荐、核查、标注与跨平台治理中的条件可以忽略。在CPA内容来源这条证据链上，围绕该转向，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
从可信信息能否被识别、传播并获得制度性优势的角度，本项作出明确押注：合成媒体治理主要由内容能否携带可验证的拍摄、编辑与发布来源链决定，而不是事后猜测像不像决定。押注对象是可验证编辑链，判决读数是可验证完整来源链内容数／全部被查看内容数；二者若在独立材料上不再相连，押注即输，这里由可验证编辑链承担证伪风险。
C2PA以签名清单记录设备、软件和编辑动作，Content Credentials向用户显示类似“营养标签”的来源信息；2026年规范推进合规测试和跨产品采用。核心量为上述分子—分母，即分子记录可验证完整来源链内容数，分母固定为全部被查看内容数；这一写法让用户、平台、发布者、核查者、媒体机构与生成模型无法通过缩小分母制造稳定。CPA内容来源的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
对C2PA与内容来源凭证的压力测试必须覆盖当平台把无凭证内容默认降权时，标准普及会反而排除旧设备、小机构和匿名证据。只有在该条件被主动触发后，才能判断可验证编辑链是稳定机制、补偿策略还是制度结果。对CPA内容来源做反向检验，换言之，该研究线索的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。
用户、平台、发布者、核查者、媒体机构与生成模型应当先问这些漏记对象的真实内容去了哪里，再问上述分子—分母是否提高。顺序不能倒置，因为被排除者本身可能解释全部改善，裁决读数是该复核口径。把CPA内容来源放回原窗口，其也解释了为什么C2PA与内容来源凭证在不同制度中可能指向不同对象。CPA内容来源的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。CPA内容来源的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。
把CPA内容来源放到另见第 273 号第 17 条『生成式合成媒体：真实性治理必须覆盖来源、标记与传播链』旁核验：先对齐对象、时间窗和责任人，再检查CPA内容来源的核心判断在另一套分母中是否仍同向。
八、水印与检测的脆弱性Fragility of Watermarks and Detectors
水印与检测的脆弱性成为新问题，是因为合成媒体与信息完整性发现原先的原样文本检测只覆盖顺利通过流程的对象。未被流程接住的未嵌水印模型、短文本和被多人编辑的内容没有去处，迫使研究者重新界定何为一次有效观察。对水印检测的脆做反向检验，换言之，该转向的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。
AI来源识别主要由水印信号在改写、翻译、裁剪和重生成后是否仍可检出决定，而不是原样文本检测决定。这不是否认其他变量，而是规定它们必须通过生成时嵌入信号发挥作用。若存在绕开生成时嵌入信号的稳定通道，理论就要从“决定”降为“条件之一”。
实证部分可从Kirchenbauer等（2023）、Sadasivan等（2023）、Weber等（2025）逐笔核对。LLM水印通过偏置词表选择嵌入统计信号；理论与实验显示释义、翻译、混合人类文本和二次生成可显著削弱检测，同时过强水印影响质量。为避免把不同对象混在一起，本项采用经常见变换后仍检出的水印数／全部嵌入水印内容数，分子记录经常见变换后仍检出的水印数，分母固定为全部嵌入水印内容数，并把该未登记群体列为必要旁数据。水印检测的脆的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
当攻击者知道检测规则时，更强水印会反而激励针对性擦除和规避。这让争议从词义转成设计问题：固定用户、平台、发布者、核查者、媒体机构与生成模型的构成及统计分母，只改变反号条件，看该复核口径是否出现预言中的转折。把水印检测的脆放回原窗口，其也解释了为什么水印与检测的脆弱性在不同制度中可能指向不同对象。
把该未登记群体设为强制披露项，是水印与检测的脆弱性进入现实制度的最低条件。若缺少这一项，来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革无法识别外部成本，也无法比较不同实施者。就水印检测的脆的外推边界看，对真实性是否能从猜测外观转成可验证链条的回答，也因此取决于这组账外材料是否获得与成功样本同等的记录权。
共有默认为档案、日志或凭据存在就足以支持复算与问责，相反点是生成时嵌入信号对缩短任务后遗留时间。只要两边分母能对齐，就能观察何种条件把S位优势转成D位优势，这里由生成时嵌入信号承担证伪风险。只要该未登记群体仍无独立编码，该复核口径的改善就无法区分真实转向与流程清洗。
九、人类识别深伪接近猜测Human Deepfake Detection near Chance
早期口径把人类识别深伪接近猜测理解为自信，关注可见产出而少问形成条件。没有作出判断、因无障碍障碍无法看清或听清的用户却显示，来源链、传播级联、检测误差、曝光、申诉、商业激励与被误伤者里存在一批既影响结论又不享有字段地位的对象。把公众能否机制放回原窗口，其也解释了为什么该转向在不同制度中可能指向不同对象。就公众能否机制的外推边界看，围绕该转向，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
新说法可压缩为：人类感知校准决定方向，所以公众能否识别深伪主要由是否获得对比材料、来源信息和校准反馈决定，而不是自信决定。最严格的反证不是效应变小，而是在同一分母下出现相反结果且无需人类感知校准。
实验显示人们对AI合成人脸的真实性判断接近甚至高于真实人脸；政治演讲视频任务中平均准确率约51%，高自信并不保证正确。这些结果在Nightingale与Farid（2022）、Groh等（2022）、Gragnaniello等（2024）中形成支持与修正。可通约读数为正确识别数／全部真假判断数：分子记录正确识别数，分母固定为全部真假判断数；当分母被制度改变时，结论也必须重新命名，这里由人类感知校准承担证伪风险。
当前理论自己承认当生成质量提高而培训只教旧伪影时，训练会反而增加错误自信。因此部署前要定义失效阈值，部署后要记录转折点，裁决读数是该复核口径；否则来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革只会积累成功案例。对真实性是否能从猜测外观转成可验证链条的回答，也因此取决于这组账外材料户是否获得与成功样本同等的记录权。
应用端应建立双账：一账记录上述分子—分母，另一账记录该未登记群体户。两账之间的差额，才显示人类感知校准带来的真实增益与被隐藏的代价。只要这组账外材料户仍无独立编码，该复核口径的改善就无法区分真实转向与流程清洗。
两项用同一前提族28起步，却把决定权交给不同位置；把上述分子—分母与完成协调机动事件数／全部超过阈值会合事件数联合记录，才能发现被两边都删去的对象。围绕公众能否机制，在人类识别深伪接近猜测中，这一点把用户、平台、发布者、核查者、媒体机构与生成模型从结果使用者变成对象定义的共同责任者。
十、AI写作助手的态度偏移Attitude Shifts from AI Writing Assistants
用户、平台、发布者、核查者、媒体机构与生成模型曾以用户是否看到显性宣传快速判断AI写作助手的态度偏移。对真实性是否能从猜测外观转成可验证链条的回答，也因此取决于该未登记群体案是否获得与成功样本同等的记录权。
本项把隐性建议方向置于因果链中心，并据此断言AI辅助写作对观点的影响主要由建议、改写和论证结构是否持续偏向一个方向决定，而不是用户是否看到显性宣传决定。为了避免循环定义，隐性建议方向的测量必须独立于结果本身，否则所谓解释只是换名。
从Kreps、McCain与Brundage（2022）、Bai等（2026）、Clegg等（2025）的时间序列可以看到理论如何被约束。早期实验显示机器文本可被认为与人类文本同样可信；2026年随机实验发现带系统性偏向的写作助手可在用户完成写作时改变其表达和部分态度，即使界面仍表现为工具。辅助写作机制的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
AI写作助手的态度偏移的可证伪性来自当用户依赖助手完成陌生议题时，写作效率提高会反而降低自主论证多样性。该研究线索的反号条件若被删去，模型几乎能解释任何结果；保留它，隐性建议方向才真正承担风险。只要这些漏记对象案仍无独立编码，该复核口径的改善就无法区分真实转向与流程清洗。
为了避免“成功者偏差”，合成媒体与信息完整性必须持续追踪这组账外材料案，并公开它们对全部被提供改写建议数的贡献。若这些对象没有回到统计中，任何平均提升都应降级解释，裁决读数是上述分子—分母。就辅助写作机制的外推边界看，在AI写作助手的态度偏移中，这一点把用户、平台、发布者、核查者、媒体机构与生成模型从结果使用者变成对象定义的共同责任者。辅助写作机制的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。对辅助写作机制的第三方复算还应保留原版本号与时间窗，使口径变更可被追踪。
双方都依赖档案、日志或凭据存在就足以支持复算与问责，但隐性建议方向和机动责任协调不能在同一条件下都保持唯一性；需要寻找由空栏触发的换手点，这也限定本项证据的适用域。把辅助写作机制放到另见第 273 号第 17 条『生成式合成媒体：真实性治理必须覆盖来源、标记与传播链』旁核验：先对齐对象、时间窗和责任人，再检查辅助写作机制的核心判断在另一套分母中是否仍同向。
十一、联合国信息完整性五原则UN Global Principles for Information Integrity
联合国信息完整性五原则的旧问题意识由删除更多内容主导，默认记录到的就是全部。2024年后的材料表明，被内容治理误伤、无法申诉和缺乏独立媒体的群体会随推荐系统、对抗生成、身份极化、平台规则和广告模式成批出现，因此缺失本身已经是机制的一部分。围绕信息完整机制，只要该未登记群体仍无独立编码，有公开实施与评估机制的原则数／5项全球原则的改善就无法区分真实转向与流程清洗。
信息完整性改善主要由社会信任、独立媒体、健康激励、透明与公众赋权能否共同成立决定，而不是删除更多内容决定。可证伪点在于，权利基础的信息生态治理必须在用户、平台、发布者、核查者、媒体机构与生成模型真正作出决定之前可观察，并使这一比率优于一个不含它的基线。
证据不只回答“有没有”，还要回答“在多少有效对象中发生”，在联合国信息完整性五原则中可用有公开实施与评估机制的原则数直接检验。联合国2024年提出社会信任与韧性、独立自由多元媒体、健康激励、透明与研究、公众赋权5项原则；UNESCO和OECD同时推动平台治理与全社会政策。对应出处为联合国（2024）、UNESCO（2023）、OECD（2024）。因此报告该复核口径，其中分子记录有公开实施与评估机制的原则数，分母固定为5项全球原则，是本项最低核验要求。
一旦发生当政府把“完整性”定义为官方一致性时，治理会反而损害独立媒体和异议，原有方向便可能翻转。最有力的复核是在不同内容生成、传播、推荐、核查、标注与跨平台治理中重复这一转换，而不是只比较显著与不显著。沿信息完整机制的责任链，在联合国信息完整性五原则中，这一点把用户、平台、发布者、核查者、媒体机构与生成模型从结果使用者变成对象定义的共同责任者。
上述机制对制度的要求不是更多宣传，而是更好的记录：该复核口径、排除原因、人工修复和这些漏记对象应在同一审计链上。复算信息完整机制之前，围绕本项证据，版本、时间顺序与人工改写痕迹应进入来源凭证、开放研究接口、核查、分享摩擦、申诉与激励改革的正式记录。
共同前提把两条拉到一张桌上，S位的权利基础的信息生态治理与E位的实体链接与来源可追溯性形成真正冲突；可比量纲则提供裁决而非修辞，同时把这组账外材料留在分母。按信息完整机制的对象表，换言之，该研究线索的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。
十二、信息完整性的激励治理Incentive Governance for Information Integrity
把信息完整性的激励治理仅仅看成单条纠错，会让合成媒体与信息完整性只奖励可被现有工具看见的部分。广告竞价、推荐负反馈和创作者被动收入提醒我们：不可见并不等于不存在，它可能正决定真实性是否能从猜测外观转成可验证链条。沿信息完整性的激治理机制的责任链，在该转向中，这一点把用户、平台、发布者、核查者、媒体机构与生成模型从结果使用者变成对象定义的共同责任者。复算信息完整性的激治理机制之前，对真实性是否能从猜测外观转成可验证链条的回答，也因此取决于该未登记群体是否获得与成功样本同等的记录权。
这一条的立场不是“值得关注”，而是信息生态质量主要由广告、订阅、创作者奖励和推荐目标是否奖励可靠内容决定，而不是单条纠错决定。收入与推荐目标因此承担唯一主因的压力；只要部署后出现稳定反例，适用域就要被明确缩小，同时把这些漏记对象留在分母。
2025年研究显示媒体竞争与参与度激励可使发布者增加耸动或错误内容；平台实验开始比较降速、信誉信号和收益限制等结构措施。信息完整性的激治理机制的结构读数拆成2项：主命题、替代机制、缺失对象与时间窗分别核对，任一项都不由总均值代填。
边界写得很具体：当只惩罚被事实核查的内容时，发布者会反而转向难核验的暗示与情绪表达。它提醒合成媒体与信息完整性，被测对象会回应测量、治理或技术安排；忽略这种回写，任何稳定性都可能是暂时的，裁决读数是该复核口径。
真正的落地指标由两部分组成：上述分子—分母衡量中心结果，该未登记群体揭示现行账本未承认的存在。只有二者同时改善，可信信息能否被识别、传播并获得制度性优势才可被称为进步。按信息完整性的激治理机制的对象表，换言之，信息完整性的激励治理的有效范围必须随推荐系统、对抗生成、身份极化、平台规则和广告模式变化而重新声明。信息完整性的激治理机制的复核表还保留退出日期、原记录者和未纳入理由，不用零值代替缺失。
双方都默认重复、备份和多路径可以压缩而不损失系统韧性，却分别从D位与S位解释结果。若两条在不同阶段轮流成立，这些漏记对象与被算法当作噪声的笔触过程、材料和文化语境共同标记的转换区就是新对象。对照信息完整性的激治理机制的主源，其也解释了为什么本项证据在不同制度中可能指向不同对象。
◎ 二十年连起来看
从计算宣传与社交机器人、协同不真实行为到众包核验与社区注释，第一条历史线索是对象边界由单一结果扩展到自动账户的协同行为、跨账号协调模式和跨立场一致性。这使真实性是否能从猜测外观转成可验证链条不再由中心样本独占，被封后重生账户、付费真人与无法归因的自动化工具等空栏必须进入正式账本。
第二条线索落在证据制度。纠错与逆火效应重估用纠正后错误信念下降量／纠正前错误信念水平约束网络层结论，合成文本与自动化影响用可持续运营的独特合成账号内容数／全部生成内容数检查迁移，人类识别深伪接近猜测则把版本与部署漂移纳入复核；一次成功由此让位给跨条件可重复，第478号据此限定可信信息能否被识别、传播并获得制度性优势。
第三条线索是责任主体的变化，第478号据此限定可信信息能否被识别、传播并获得制度性优势。平台事实核查与标签、C2PA与内容来源凭证和信息完整性的激励治理共同显示，推荐系统、对抗生成、身份极化、平台规则和广告模式会回写指标本身；第478号因此不是二十个口号，而是状态、路径、条件与空栏相互转换的证据图。
◎ 三个常见误解
关于计算宣传与社交机器人，常见的第1个误区是只追踪单条内容真假。这容易产生清楚的排行榜，却不能处理反号条件，第478号据此限定可信信息能否被识别、传播并获得制度性优势；正确做法是以网络舆论操纵的规模主要由自动账户能否协同放大少数叙事决定，而不是单条内容真假决定为待证命题，并保留被封后重生账户、付费真人与无法归因的自动化工具。
误解2把合成文本与自动化影响缩成单篇文章质量。这种口径之所以诱人，是因为责任单一、指标整齐，第478号据此限定可信信息能否被识别、传播并获得制度性优势；但文本操纵能力主要由模型能否低成本生成大量风格一致、情境适配的叙事决定，而不是单篇文章质量决定。复核必须同时查看可持续运营的独特合成账号内容数／全部生成内容数与人工润色、混合人机文本与没有标签的翻译内容。
第3种误读，是把删除更多内容当成联合国信息完整性五原则的充分解释。它在短期报告里很省事，却会漏掉被内容治理误伤、无法申诉和缺乏独立媒体的群体；更可检验的陈述是信息完整性改善主要由社会信任、独立媒体、健康激励、透明与公众赋权能否共同成立决定，而不是删除更多内容决定，判据落在有公开实施与评估机制的原则数／5项全球原则。
◎ 与相邻领域的接口
谣言级联与传播结构与第472号第十五条“反应性癫痫神经刺激”通过同族前提〔04 测量不改变被测对象〕“观察、记录与评估不会改变正在被观察的系统”接通。
协同不真实行为与第474号第十九条“残障者主导的包容性研究”通过同族前提〔07 效果可由参与者自己评定〕“实施者、受益者与评定者可以重合而不引入系统偏差”接通。
众包核验与社区注释与第471号第二十条“大型语言模型作为实验伙伴而非心智”通过同族前提〔22 通过形式审查＝实质合规〕“清单、认证或标准条款全部通过意味着实质风险已消失”接通。
AI写作助手的态度偏移与第477号第十条“空间交通管理从预警到协调”通过同族前提〔28 记录存在即可核对〕“档案、日志或凭据存在就足以支持复算与问责”接通。
◎ 争议现场
计算宣传与社交机器人目前的分歧在于自动账户的协同行为究竟是原因还是条件性代理。支持材料显示Truthy项目用转发网络和时间模式识别政治操纵；2016年综述系统描述机器人检测，后续研究发现少量低可信账户可在传播早期承担不成比例的扩散；反方可抓住的自我限制是当平台提高封号阈值而操纵者转向真人众包时，机器人减少会反而掩盖更强协同网络。收敛所需的设计是双重操纵、盲分析与预注册模型比较，并预先锁定被自动或半自动账户放大的低可信链接数／全部低可信链接数和被封后重生账户、付费真人与无法归因的自动化工具。
围绕预防式提示的规模化，现有证据并未自动给出唯一机制。接种视频在多个实验中提高对操纵手法的辨别，后续研究比较可信来源纠正、预警和重复提示；平台现场效应通常小于实验室但可覆盖大规模用户提供了正向依据，而当提示频率过高时，安全提醒会反而变成背景噪声并降低注意允许方向翻转。采用跨站点复算、失败样本回补与异质性分析时，应把跳过视频、关闭提示与不使用主流平台的人列作并列结局；若完整分母下短视频中的技巧识别不再增量预测，争论即有判决。
联合国信息完整性五原则的争议不是有没有效应，而是效应能否离开原始条件。已知材料包括联合国2024年提出社会信任与韧性、独立自由多元媒体、健康激励、透明与研究、公众赋权5项原则；UNESCO和OECD同时推动平台治理与全社会政策；最强反证条件则是当政府把“完整性”定义为官方一致性时，治理会反而损害独立媒体和异议。要结束争论，需用训练—测试时间隔离、样本外验证与部署后监测复算有公开实施与评估机制的原则数／5项全球原则，并公开所有进入被内容治理误伤、无法申诉和缺乏独立媒体的群体的案例。
◎ 往下五年看什么
第一项读数是未知生成器正确检出数／全部未知生成器样本数能否在两个独立数据源和一个真实场景维持方向；同时应公开未提交检测的内容、无法取得原视频和低质量再编码的发生率，否则深伪检测军备竞赛仍停在样本内。
第二项读数看众包核验与社区注释是否跨材料复现，并在研究开始前登记“当极化使任何注释都无法跨群体通过时，审慎门槛会反而造成无提示真空”这一反号条件；只增加样本量而不保留没有足够评分者的小语种内容和被撤回的注释不算进展。
第三项读数是正确识别数／全部真假判断数的版本漂移曲线。地区、设备或制度切换后，没有作出判断、因无障碍障碍无法看清或听清的用户若同步增加，就要把所谓改进重判为选择效应。
第四项读数看信息完整性的激励治理能否把角色、退出、失败和人工修复写进正式规范；缺少广告竞价、推荐负反馈和创作者被动收入的连续日志，规模扩张只会放大不可核对性。
◎ 可与哪些领域对撞
计算宣传与社交机器人×第473号第二十条“人在回路的计算阐释”：两条由同族前提〔04 测量不改变被测对象〕“观察、记录与评估不会改变正在被观察的系统”进入同一问题，却分别把自动账户的协同行为与模型发现与细读反证的往返置于S位和D位。
协同不真实行为×第474号第十九条“残障者主导的包容性研究”：两条由同族前提〔07 效果可由参与者自己评定〕“实施者、受益者与评定者可以重合而不引入系统偏差”进入同一问题，却分别把跨账号协调模式与残障者对研究问题与资源的领导权置于E位和S位。
准确性提示与分享摩擦×第477号第二十条“军民双用与负责任太空行为”：两条由同族前提〔21 制度采纳不改变指标含义〕“指标一旦进入考核、市场或治理，仍然测量原来的对象”进入同一问题，却分别把分享前注意转移与可观察行为而非意图猜测置于E位和D位。
AI写作助手的态度偏移×第477号第十条“空间交通管理从预警到协调”：两条由同族前提〔28 记录存在即可核对〕“档案、日志或凭据存在就足以支持复算与问责”进入同一问题，却分别把隐性建议方向与机动责任协调置于E位和S位。
◎ 十条可做的研究命题
1. 命题：自动账户的协同行为对被自动或半自动账户放大的低可信链接数／全部低可信链接数具有独立、可迁移的增量。设计：采用预注册二乘二因子实验，分别操纵主因与反号条件，并把被封后重生账户、付费真人与无法归因的自动化工具列为并列结局。
2. 命题：生成与编辑痕迹对跨平台正确识别图像数／全部待检图像数具有独立、可迁移的增量。设计：采用多站点重复研究，统一核心材料并保留站点语境，并把原始文件已丢失、反复截图和没有可信来源链的图像列为并列结局。证伪：在“当平台重编码或攻击者做后处理时，更高实验室准确率会反而对应更差现场泛化”条件下未出现预先声明的反号，而且替代机制无需生成与编辑痕迹即可复现结果。
3. 命题：对抗生成分布对未被人或模型识破的合成样本数／全部合成样本数具有独立、可迁移的增量。设计：采用前瞻纵向队列，连续记录主指标、时间顺序和空栏，并把未发布失败样本、训练数据中的真人与被模型复制的特征列为并列结局。证伪：跨站点估计的未被人或模型识破的合成样本数／全部合成样本数方向不一致，且差异全部由未发布失败样本、训练数据中的真人与被模型复制的特征的排除规则解释。
4. 命题：先暴露操纵手法对正确识别操纵技巧数／全部测试技巧数具有独立、可迁移的增量。设计：采用随机交叉设计，让同一对象经历两种条件，并把没有网络接入、低识字人群和未覆盖的新型操纵手法列为并列结局。证伪：时间顺序显示结果先于先暴露操纵手法，或完整分母使主效应降为零。
5. 命题：跨生成器泛化对未知生成器正确检出数／全部未知生成器样本数具有独立、可迁移的增量。设计：采用对抗压力测试，主动制造最不利输入或制度条件，并把未提交检测的内容、无法取得原视频和低质量再编码列为并列结局。证伪：对抗条件触发后未知生成器正确检出数／全部未知生成器样本数仍不随跨生成器泛化变化，说明该因素不是决定项。
6. 命题：短视频中的技巧识别对提示后高质量分享增量／全部提示曝光具有独立、可迁移的增量。设计：采用登记册审计，比较公开记录与原始流程日志，并把跳过视频、关闭提示与不使用主流平台的人列为并列结局。证伪：登记册与原始日志的差额足以解释全部收益，跳过视频、关闭提示与不使用主流平台的人回补后结论翻转。
7. 命题：跨立场一致性对在内容高峰前公开的有效注释数／全部最终有效注释数具有独立、可迁移的增量。设计：采用自然实验，利用政策、平台或环境切换，并把没有足够评分者的小语种内容和被撤回的注释列为并列结局。证伪：自然切换没有改变在内容高峰前公开的有效注释数／全部最终有效注释数，而未观测环境变量独立重现同一结果。
8. 命题：可验证编辑链对可验证完整来源链内容数／全部被查看内容数具有独立、可迁移的增量。设计：采用仿真加留出样本，先估转换点再用未见样本检验，并把被截屏、去元数据、匿名上传与没有签名设备生成的真实内容列为并列结局。证伪：留出样本上预测失败，或转换阈值无法在第二材料中重复，第478号据此限定可信信息能否被识别、传播并获得制度性优势。
9. 命题：人类感知校准对正确识别数／全部真假判断数具有独立、可迁移的增量。设计：采用共同生产的混合方法，由受影响者共同定义失败与遗漏，并把没有作出判断、因无障碍障碍无法看清或听清的用户列为并列结局。证伪：受影响者定义的失败与研究者定义不一致，且采用前者后人类感知校准失去解释力。
10. 命题：权利基础的信息生态治理对有公开实施与评估机制的原则数／5项全球原则具有独立、可迁移的增量。设计：采用真实世界连续监测，版本化记录漂移、退出和人工修复，并把被内容治理误伤、无法申诉和缺乏独立媒体的群体列为并列结局。证伪：部署漂移由版本和人工修复完全解释，权利基础的信息生态治理对长期有公开实施与评估机制的原则数／5项全球原则不再贡献。
◎ 资料核验
- Ratkiewicz等，2011年WWW:249–252，《Detecting and Tracking Political Abuse in Social Media》
- Ferrara等，2016年《Communications of the ACM》59(7):96–104，DOI 10.1145/2818717
- Shao等，2018年《自然·通讯》9:4787，DOI 10.1038/s41467-018-06930-7
- Friggeri等，2014年ICWSM:101–110，《Rumor Cascades》
- Del Vicario等，2016年《美国国家科学院院刊》113:554–559，DOI 10.1073/pnas.1517441113
- Vosoughi、Roy与Aral，2018年《科学》359:1146–1151，DOI 10.1126/science.aap9559
- Farid，2009年《IEEE Signal Processing Magazine》26(2):16–25，DOI 10.1109/MSP.2008.931079
- Verdoliva，2020年《IEEE Journal of Selected Topics in Signal Processing》14:910–932，DOI 10.1109/JSTSP.2020.3002101
- Gragnaniello等，2024年《IEEE Transactions on Information Forensics and Security》19:3181–3196，跨生成器取证评测
- Nyhan与Reifler，2010年《Political Behavior》32:303–330，DOI 10.1007/s11109-010-9112-2
- Wood与Porter，2019年《Political Behavior》41:135–163，DOI 10.1007/s11109-018-9443-y
- Porter与Wood，2022年《美国国家科学院院刊》119:e2104235118，跨国事实纠正实验
- Goodfellow等，2014年《Advances in Neural Information Processing Systems》27:2672–2680，《Generative Adversarial Nets》
- Chesney与Citron，2019年《California Law Review》107:1753–1820，《Deep Fakes》
- Korshunov等，2024年《ACM Computing Surveys》56(10):1–38，生成媒体威胁综述
- Metaxas与Mustafaraj，2015年《Science》专题评论，社交媒体中的虚假草根与操纵
- Bradshaw与Howard，2019年《The Global Disinformation Order》，Oxford Internet Institute
- Meta，2025年《Adversarial Threat Report》协同不真实行为更新
- van der Linden等，2017年《Global Challenges》1:1600008，DOI 10.1002/gch2.201600008
- Cook、Lewandowsky与Ecker，2017年《PLoS ONE》12:e0175799，DOI 10.1371/journal.pone.0175799
- Roozenbeek等，2022年《科学进展》8:eabo6254，DOI 10.1126/sciadv.abo6254
- Facebook与International Fact-Checking Network，2016年第三方事实核查合作方案
- Guess等，2020年《美国国家科学院院刊》117:15536–15545，DOI 10.1073/pnas.1920498117
- Full Fact，2025年《Global Fact-Checking and AI Monitoring Report》
- Rössler等，2019年ICCV:1–11，《FaceForensics++》
- Dolhansky等，2020年《Deepfake Detection Challenge Dataset》，arXiv:2006.07397
- Groh等，2022年《美国国家科学院院刊》119:e2110013119，DOI 10.1073/pnas.2110013119
- Zellers等，2019年《Advances in Neural Information Processing Systems》32，《Defending Against Neural Fake News》
- Uchendu等，2021年《EMNLP》:1211–1222，机器生成文本检测基准
- Liang等，2025年《自然·机器智能》7:441–453，合成文本来源与检测退化研究
- Capraro等，2025年《科学进展》11:eadr2711，可信来源纠正与预防式提示
- Clegg等，2025年《自然·人类行为》9:1315–1327，平台设计与信息质量实验
- Pennycook等，2021年《自然》592:590–595，DOI 10.1038/s41586-021-03344-2
- Mosleh等，2022年《自然·通讯》13:6100，分享摩擦与准确性注意实验
- Allen等，2021年《科学进展》7:eabf4393，DOI 10.1126/sciadv.abf4393
- Wojcik等，2022年Twitter Birdwatch/Community Notes公开评估报告
- Martel等，2024年《美国国家科学院院刊》121:e2315412121，众包核验的群体差异
- Pacheco等，2021年ICWSM 15:455–466，《Uncovering Coordinated Networks on Social Media》
- Ng与Carley，2022年《Social Network Analysis and Mining》12:181，跨平台协同行为检测
- Coalition for Content Provenance and Authenticity，2021年《C2PA Technical Specification 1.0》
- C2PA，2025年《Technical Specification 2.2 / Content Credentials》
- C2PA，2026年《Technical Specification 2.4》与合规项目
- Kirchenbauer等，2023年ICML:17061–17084，《A Watermark for Large Language Models》
- Sadasivan等，2023年《Can AI-Generated Text be Reliably Detected?》，arXiv:2303.11156
- Weber等，2025年《自然·机器智能》7:1002–1013，跨变换水印稳健性评测
- Nightingale与Farid，2022年《美国国家科学院院刊》119:e2120481119，DOI 10.1073/pnas.2120481119
- Kreps、McCain与Brundage，2022年《Political Communication》39:104–121，AI文本可信度实验
- Bai等，2026年《科学进展》12:eadv4891，偏向性AI写作助手改变政治态度
- 联合国，2024年《Global Principles for Information Integrity》
- UNESCO，2023年《Guidelines for the Governance of Digital Platforms》
- OECD，2024年《Facts not Fakes: Tackling Disinformation, Strengthening Information Integrity》
- Matias等，2025年《科学进展》11:eads4230，媒体竞争与错误信息激励
- Content Authenticity Initiative，2026年跨相机、编辑器与新闻机构采用报告