一个用户驱动的框架用于监管和审计社交媒体。

​

A User-Driven Framework for Regulating and Auditing Social Media

解决问题：本篇论文旨在提出一种用户驱动的社交媒体内容过滤和审核框架，以解决社交媒体监管的问题。该框架要求社交媒体平台的过滤算法应基于用户驱动的基准线进行监管，以确保过滤后的内容与基准线下的内容相似，从而增加用户代理权。

关键思路：本文提出了一种基于用户驱动的基准线的社交媒体过滤和审核框架。该框架要求平台过滤后的内容与基准线下的内容相似，并设计了一种衡量相似性的方法。这种方法基于相关建议，旨在增加用户代理权。值得注意的是，该审核过程不需要访问或推断私人用户信息，具有理论保证。

其他亮点：本文的实验结果表明，要求过滤后的内容与基准线下的内容相似并不会对性能造成太大的影响，也不会创建信息茧房。值得深入研究的工作包括如何在实际应用中实现该框架以及如何更好地平衡社交媒体监管和用户代理权。

关于作者：Sarah H. Cen、Aleksander Madry和Devavrat Shah是本文的主要作者。他们分别来自麻省理工学院和斯坦福大学。Sarah H. Cen曾发表过题为“Fairness Constraints: Mechanisms for Fair Classification”的论文；Aleksander Madry曾发表过题为“Towards Deep Learning Models Resistant to Adversarial Attacks”的论文；Devavrat Shah曾发表过题为“Maximizing the Spread of Influence through a Social Network”的论文。

相关研究：近期的相关研究包括：“A Survey on Social Media Regulation: Methods, Metrics, and Challenges”（作者：Jingxuan Wang，机构：加州大学洛杉矶分校）和“Designing Algorithms for Fairness: A Case Study in Selective Exposure”（作者：Sorelle A. Friedler等，机构：哈佛大学）。

论文摘要：本文提出了一个基于用户需求的框架，用于监管和审核社交媒体平台上的算法过滤。人们根据所观察到的信息形成判断和决策，而越来越多的信息不仅由社交媒体平台提供，而且还经过了精心策划。尽管立法者普遍认为平台不应该没有任何监管而运作，但对于如何监管社交媒体，目前尚无共识。然而，人们普遍认为，创建一个严格的、全球性的“可接受”内容标准是不可行的（例如，在美国，这与《通信廉洁法》第230条和第一修正案不兼容）。本文建议，应该根据用户需求的灵活基线来监管算法过滤。作者们提出了一个具体的框架，用于根据这样的基线来监管和审核社交媒体平台。特别地，作者们引入了基线提要的概念：用户在没有过滤的情况下会看到的内容（例如，在Twitter上，这可以是时间线）。作者们要求平台过滤的提要应该包含与其相应的基线提要相似的信息内容，并设计了一种原则性的方法来衡量相似性。这种方法受到了相关建议的启发，即监管应该增加用户代理权。作者们提出了一种审核程序，检查平台是否遵守了这一要求。值得注意的是，审核只需要对平台的过滤算法进行黑盒访问，而不需要访问或推断私人用户信息。作者们提供了关于审核强度的理论保证。此外，作者们进一步证明，要求过滤和基线提要之间的接近度不会带来大的性能成本，也不会创建回音室。

​Read More