LinkedIn首席产品官：“AI slop”是首要任务，将允许用户举报但用于训练模型

周四下午，LinkedIn首席产品官哈里·斯里尼瓦桑在平台发帖，宣布一项即将上线的功能：用户可直接举报那些看起来像“AI水帖”的内容。他在帖子里把击倒AI slop称为公司的“头号要务”，但随后给出的解决思路并非删除这些内容，而是把用户的举报数据喂给自家的算法做训练。

“我们在扩大能力，让成员能告诉我们，他们是否认为某条帖子或评论像AI slop。”斯里尼瓦桑写道，“Slop很难定义，而且定义也在不断变化；这件事让我们能调优模型，做出更好的信息流。”他没有明确解释什么是“更好的信息流”，但结合后面的解释来看，更好的信息流显然不等于把生成式AI内容全部清出视野。他随即强调，AI生成的帖子和AI slop不是同义词——很多人会用AI来“打磨自己的想法”。

这种切割手法，把讨论推向了辩论化的两极。

正方认为，引入用户举报机制，最终会让信息流变干净。LinkedIn同时宣布新增一套分类器，更精准地识别AI slop，并减少这类内容在推荐位上的露出。再配合举报数据反哺模型，似乎能形成一条告状-打标-降权的闭环。理论上，越多人标注那些空洞乏味、大而化之的AI长帖，算法就越了解大家讨厌什么，推荐流里的噪音就越少。更何况，那些真心用AI润色表达、并非水帖的人并不会被误伤——斯里尼瓦桑特意强调，平台会保留“不改变用户声音”的原则。

但反方的疑点同样直接：举报按钮很可能是训练自家生成式AI的“免费标注器”。斯里尼瓦桑明言，举报数据会用来“调优模型”。调谁的模型？自然包括LinkedIn的推荐模型，但也极有可能包括LinkedIn的生成式AI。一个被曝光的可能性是：平台用用户举报来教自己的AI怎么写出更不容易被识破的AI帖子。把“真人指出哪里不像真人”的标记，拿去做反侦察训练，这种逻辑在隐私和伦理上都显得暧昧。

更让人不安的是，LinkedIn刚刚才撤下了一个名为“AI写作助手”的功能。这个功能允许用户一键生成帖子，但据称并不受欢迎。取而代之的是一个新推出的校对工具，斯里尼瓦桑形容它“不会改变用户声音”。但如果这个校对工具本身就基于生成式AI，那么本质上只是换了一层更柔和的滤镜——从直接代笔，变成帮你修饰，同时仍然在后台学习用户的语言模式。同步进行的，还有面向个人资料页和企业主页的AI生成建议，那些你更新职业经历时弹出的“优化描述”按钮，并没有被停掉。

一个极具张力的设计是，LinkedIn不打算单向收集举报。它还要把举报结果反馈给帖子的发布者。在斯里尼瓦桑的描述中，创作者的“分析仪表盘”里会出现私密的提示，告知某条帖子被读者认为“不够真实”或“过度使用AI”。这一反馈不看AI检测器的判断，而看真实人类的直觉——斯里尼瓦桑特意点出一句：“我们不想只用AI检测器审核，然后出错。”他相信，那些用AI写作的人其实想知道自己什么时候听起来不自然。换句话说，平台打算让用户互相教会彼此怎么把AI内容写得更像真人手笔。

这里的分歧就此加深：一方看到的是“社区自治”的善意，真实用户用自己的判断来帮助塑造更高质量的讨论氛围；另一方看到的，则是一套精妙的双向训练回路——用户标记AI slop，训练平台的识别与生成模型；发布者收到反馈，优化自己的AI提示词和生成结果，让AI帖子日后更难被认出。每一方都在走向自己眼中的“更好信息流”，但“更好”的定义可能恰恰相反。

进一步审视斯里尼瓦桑的那句“slop很难定义”，能发现更多复杂性。什么是AI slop？是100%由AI生成且未经修改的大段废话，还是经过编辑但依然空洞的帖子？是事实错误，还是情感空洞？判断标准极度个人化，而LinkedIn正打算将这种个人化判断集中起来，变成一个系统性的信号。一个工程师可能认为通篇堆砌行业术语的帖子是高质量干货，而另一位资深从业者则觉得那是典型的AI水帖。当大规模的用户反馈涌入，算法如何区分“真实的平庸”与“AI造成的平庸”？它会不会把写作风格呆板的人类创作者也误伤？这些问题暂时没有答案。

同期数据也在为讨论加码。AI检测工具Pangram在本月初发布的一项研究显示，LinkedIn上超过40%的长篇帖子完全由AI生成。虽然该研究没有区分这些帖子是“水帖”还是“有用内容”，但如此高的比例意味着，平台的一部分信息流已经像一个巨大的混合器，频繁发生人与机器的内容交错。在这样的大背景下，单纯依赖算法过滤，或是依靠创作者的自觉，都不再现实。LinkedIn选择引入用户举报，某种程度上等于在承认：AI内容规模已经大到需要拆出一套新的治理框架。

这套框架的核心难题在于激励。如果用户举报AI slop，只能让平台学会更好地隐藏AI内容，却没有让信息流本质得到改善，举报的动力很快会消散。同样，如果创作者收到反馈后，不是去减少AI使用，而是设法让它更隐蔽，那么举报功能就变成了一场猫捉老鼠的游戏。LinkedIn需要在这场游戏中证明，它的优先目标是提升整个社区的信息密度与可信度，而不是仅仅增加日活与互动数据。

斯里尼瓦桑的声明中没有直接许诺“AI slop会变少”。他给出的承诺是“我们可以调优模型，做出更好的信息流”——这是一个开放式的结果描述。更好的信息流，可能是更少的AI slop，也可能是更难以辨认的AI slop，或者两者兼有。用户最终会用自己的注意力投票，而投票行为本身，也将被平台观测，再次纳入训练数据。这个循环一旦启动，就很难轻松叫停。