四個平台圍堵 AI 垃圾：封推薦、減曝光同斷廣告錢，邊招最有效？

平台終於肯郁，但原因未必咁浪漫

TechNews 科技新報報道，Snapchat、LinkedIn、Substack 同 YouTube 近期都加強處理所謂「AI 垃圾」。用戶鬧得多，肯定會增加平台壓力，不過暫時冇公開證據證明今輪改動完全由網上反感直接推動。實際啲睇，大量倒模內容可能趕走用戶、拖低廣告價值，推薦系統亦可能愈推愈多同類內容。四間公司都繼續發展 AI 創作功能，佢哋要處理嘅係低投入、大量生產同誤導內容，唔係所有用過 AI 嘅作品。

圖片：LinkedIn

Snapchat 直接控制邊啲內容有流量

Snapchat 呢套最直接。官方推薦守則寫明，平台排序會優先處理真人創作，喺 Snapchat 以外完全用 AI 生成嘅內容，就算有標示，推薦資格都會受影響；用 Snapchat 自家工具整嘅 AI 內容則仍可獲推薦，系統亦會加透明標記。變現守則同樣容許創作者用 AI 輔助剪接或製作，前提係作品有原創內容、冇誤導觀眾，亦有交代 AI 用法。呢條界線順手保護咗 Snapchat 自家創作工具，平台利益其實相當清楚。

圖片：YouTube

LinkedIn 用演算法同舉報一齊篩

TechNews 科技新報報道，LinkedIn 加入咗「似係 AI 垃圾」舉報選項；多間外媒亦見到相關按鈕逐步出現。官方已確認另一層做法：系統會搵出大量自動發佈、重複原帖或者冇新觀點嘅內容，再限制呢啲帖文傳出發帖者原有嘅人脈圈。LinkedIn 話初期測試辨認一般化內容嘅準確率達 94%，但呢個係公司自報數字，亦唔等於能夠判定作者有冇用 AI。對求職資訊平台嚟講，壓低假專業內容有用；若舉報數量直接左右曝光，平台亦要防止集體亂報同針對個別創作者。

Substack 將掃描器放到讀者手上

Substack 用 Pangram 提供「Scan for AI text」，網頁版同 iOS app 可以掃描 2026 年 7 月 21 日起發佈嘅文章、Notes、留言同回覆，Android 版暫時仲未推出。結果會估算文字有幾多似真人寫、有幾多似 AI 輔助；作者可以逐篇停用偵測，讀者則會見到偵測 unavailable。呢種設計冇即時刪文或扣收入，誤判造成嘅制度後果較細，不過一個百分比好容易俾人當成判決，作者仍可能無端俾人質疑誠信。

YouTube 嘅標籤、推薦同收入係三回事

YouTube 由 2026 年 5 月起加入內部訊號，若系統發現影片大量使用寫實 AI、創作者又冇申報，平台可以自動加標籤；創作者一般可喺 Studio 修正，帶有 C2PA 生成資料或用 YouTube 自家 AI 工具製作嘅內容則會保留標示。官方特別講明，AI 標籤本身唔會改變推薦或變現資格。真正會影響收入嘅係頻道變現守則：大量倒模、重複、冇原創判斷嘅內容可能失去廣告資格。即係用 AI 配音或整畫面仍有機會賺錢，問題落喺成條頻道有冇實質創作投入。

AI 偵測器只可以當訊號

文字偵測工具係從句式、用字同模型常見模式作估算，冇辦法直接翻查一段文字點樣寫成。Pangram 偵測器存在誤判風險，LinkedIn 亦有自己嘅 94% 測試結果，不過兩者測試資料、門檻同實際平台內容都唔一樣。創作者改寫過 AI 草稿、用翻譯工具，甚至寫得短同工整，都可能令判斷變得含糊。較穩陣嘅做法係將偵測結果配合帳戶活動、內容重複程度、資料來源同發佈頻率一齊睇，唔好見到一個紅色百分比就當捉到人作弊。

一般用戶可以點樣避開垃圾

見到可疑內容，先睇佢有冇具體來源、原始連結、可核實日期同作者自己嘅經驗；連續幾篇只換產品名、畫面同開場白，可信度自然要打折。LinkedIn 上面嘅招聘資料最好再去公司官網核對職位，唔好單靠帖文寫得似唔似 AI。YouTube 方面，唔好因為內容荒謬而睇到尾，睇得愈耐，仍可能向演算法發出正面互動訊號；用「不感興趣」、停止推薦頻道同舉報誤導內容，效果通常實際過留言鬧一餐。之後最值得睇嘅係各平台會唔會公開執行數字、申訴結果同誤判率。

參考來源

• TechNews 科技新報 — 眾志成城！主流社群平台加速圍堵「AI 垃圾」要歸功於鄉民頻繁表示反感 — original report
• Snapchat Content Guidelines：Quality — Snapchat 官方推薦資格守則，交代外部生成 AI 內容同自家 AI 工具內容嘅分別。
• Snapchat Creator Monetization Policy — Snapchat 官方變現規則，列明原創、倒模、自動化同 AI 輔助內容點樣處理。
• LinkedIn：Keeping conversations real — LinkedIn 官方解釋點樣壓低一般化、大量自動發佈內容，亦提供初期測試數字。
• Substack：How can I detect AI on Substack? — Substack 官方說明 Pangram 掃描範圍、推出平台、停用方法同錯誤回報安排。
• YouTube：Improving AI labels for viewers and creators — YouTube 官方交代自動 AI 標示、申訴安排，同標籤對推薦及變現冇直接影響。
• YouTube Channel Monetization Policies — YouTube 官方變現規則，界定大量生產、重複、倒模同欠缺原創觀點嘅內容。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。