LinkedIn 加「似 AI 罐頭文」舉報掣：求職貼文同公司專頁觸及都要重新諗
舉報暫時主要幫 Feed 調校，香港推出時間仍未確認
一粒掣，先收走你眼前嗰篇文
LinkedIn 開始喺貼文右上角三點選單加入「Seems like AI slop」選項，畀用戶標記疑似大量用 AI 砌成、內容又空泛嘅貼文。The Verge 記者已經見到呢粒掣，撳完之後該篇貼文會即時喺自己畫面收起，LinkedIn 亦會多謝用戶提供意見。不過，香港帳戶推出時間仍係 [待確認]，官方冇交代屬全球同步、分批推出，抑或只限部分測試帳戶。
圖片：LinkedIn
舉報係排序訊號，暫時未等於判罰
LinkedIn 產品總監 Hari Srinivasan 話，用戶標記會幫平台調校模型同改善 Feed。官方亦正加強分類器，辨認疑似 AI 罐頭文同一般低質內容，重點係減少呢類貼文獲推薦，亦少啲出現喺人脈圈以外用戶嘅 Feed。現有資料冇顯示單次舉報會觸發人工審核、刪文、封鎖帳戶或者直接降權；舉報門檻、累積次數同防濫用機制，LinkedIn 同樣未公開。
平台亦打算測試另一層回饋：如果多人覺得某篇文太似 AI 或者欠缺真人感，作者可能會喺私人 analytics dashboard 見到提示。呢個設計對專業形象幾敏感，因為作者會知道內容令人覺得倒模，但外界暫時睇唔到標籤。換句話講，LinkedIn 想先收集真人判斷，再慢慢教排序模型分辨咩內容令人厭煩。
「41%」反映個問題，但唔係鐵證
AI detector 公司 Pangram 用 Chrome extension 收集自願分享數據嘅用戶所見內容，由 2026 年 4 月 24 日起分析 1,002,627 篇、每篇超過 50 字嘅社交平台貼文。佢哋話 LinkedIn 超過 250 字嘅長文之中，有 41% 俾 Pangram 3.3 判定為完全由 AI 生成。不過樣本來自裝咗 extension 嘅自選用戶，報告冇細分地域、語言同 LinkedIn 樣本分佈；0.01% false positive rate 亦係 Pangram 自己公布。呢個數字只代表 detector 判斷，唔足以證實每篇文真係由 AI 全包。
LinkedIn 自己都要為倒模文埋單
件事好笑得嚟又合理：LinkedIn 本身一直提供「Enhance post」功能，幫用戶用 AI 改寫貼文，平台自然有份降低大量產文嘅門檻。而家官方決定移除呢個功能，改用只校對文字、盡量保留作者語氣嘅工具。Srinivasan 仲話，LinkedIn 每日攔截數以十萬計自動留言嘗試，過去幾個月亦封鎖咗數以十億計其他自動操作。問題早已超出幾篇尷尬勵志文，去到大量生產內容同假互動一齊污染推薦系統。
求職者用 AI 執英文，界線要識得捉
香港唔少求職者會用 AI 執英文、整理履歷重點或者草擬 LinkedIn 貼文，官方冇話用 AI 本身有問題，仲明講 AI 同 slop 係兩回事。風險主要落喺一鍵生成之後原封不動貼出：同款開場、空泛管理心得、冇實例又冇資料來源，最易令人覺得只係維持曝光。如果你想畀招聘人員認識自己，保留真實工作情境、自己做過嘅取捨同可核實成果，會穩陣過堆滿順滑但冇性格嘅句子。
公司專頁最應該睇推薦觸及
招聘團隊同做 B2B marketing 嘅公司專頁要留意，官方特別講到會減少低質貼文喺作者圈外嘅推薦曝光。現有 followers 可能照樣見到內容，但用罐頭長文接觸新客戶、候選人同業界人脈，效果有機會慢慢跌。公司出文前最好搵真人睇多次，加入自己嘅數據、案例同清楚立場，亦要記錄觸及來源有冇轉變。下一步要睇香港帳戶幾時有呢粒掣，同埋 LinkedIn 會唔會公開舉報訊號實際點影響排序。
參考來源
- The Verge — LinkedIn actually adds a ‘seems like AI slop’ button — original report
- Hari Srinivasan：AI slop is a top priority for all of us — LinkedIn 產品總監原帖，交代舉報資料、分類器、作者私人提示同改動 AI 改寫功能。
- How LinkedIn Is Improving the Feed to Show More Relevant, Authentic Professional Content — LinkedIn 官方產品公告，補充低質內容、搏互動貼文同 Feed 排序方向。
- AI Content Is Everywhere on Social Media, Especially LinkedIn — 41% 數字嘅原始研究，亦交代樣本、收集方法同 detector 聲稱嘅準確度。
- How the Feed ranks content — LinkedIn 官方說明，交代 Feed 會綜合內容、帳戶、人脈同互動等大量訊號排序。
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。
