LinkedIn「AI 垃圾」掣逾百萬人撳過：舉報分類器點樣改寫求職資訊流
用戶反饋會訓練分類器，AI detector 結果唔可以當成確證
百萬人撳過，數字冇表面咁直接
LinkedIn 7 月 30 日喺帖文三點選單加入「Seems like AI slop」，等用戶標記睇落似低質 AI 生成嘅內容。產品總監 Hari Srinivasan 最新話，已有逾百萬人撳過個掣。呢個反應的確反映資訊流入面嘅罐頭文令人厭倦，不過公司冇公開獨立帳戶數目、重複點擊比例或者有幾多舉報最後成立，所以唔可以解讀成有逾百萬篇 AI 帖文俾人捉到。
圖片：Pangram
個掣提供訊號，分類器先決定分發
一次舉報唔等於帖文即時下架，亦冇證據顯示作者會因為單一點擊直接扣 reach。LinkedIn 嘅做法係收集用戶反饋，再配合新版分類器，判斷內容有冇大量自動生成、重複原帖，或者欠缺具體經驗同觀點。系統判定屬 AI slop 嘅內容，較難分發到作者人脈圈以外；作者亦可能見到「部分會員覺得呢篇帖文似 AI slop」嘅私人提示。
呢套設計其實將兩件事疊埋一齊：內容係咪由 AI 寫，同內容有冇價值。用戶撳掣時未必知道文字點樣產生，只係覺得佢空泛、公式化或者浪費時間。分類器最終學到嘅，好可能係大眾眼中「似 AI 垃圾」嘅寫法，而唔係可靠嘅作者身份證明。呢點對資訊流排序有用，但用嚟指控某個人造假就唔夠穩陣。
LinkedIn 話瀏覽量跌四成，仍然係內部數據
Srinivasan 話，相較幾星期前，用戶而家見到平台分類為 AI slop 嘅內容，瀏覽量少咗 40%。LinkedIn 五月亦曾公布，內部測試能夠喺 94% 情況下正確辨認「generic content」。兩個數字都由公司自行提供，冇公開完整測試集、錯誤率拆分同獨立審核；「generic」亦唔等於「完全由 AI 生成」，所以暫時只可以視為平台話排序調整開始見效。
LinkedIn 同時撤走可大幅改寫帖文嘅「Enhance your post」功能，多少有啲自己執手尾嘅味道。平台之前降低咗大量生產工整文字嘅門檻，而家資訊流塞滿相似嘅職場感悟，就要靠另一批模型同真人舉報清理。個方向合理，不過分類標準可能誤傷文字簡潔、英文寫法較公式化，或者只係用 AI 執文法嘅人；實際用落有幾多誤判，仍然要再觀察。
41% AI 長文，代表分類結果多過全站真相
Pangram 早前分析 1,002,627 篇來自 LinkedIn、Medium、Substack、X 同 Reddit 嘅內容，指 LinkedIn 有逾四成 250 字以上長文俾 Pangram 3.3 判定為完全由 AI 生成。樣本來自安裝其 Chrome extension、又自願分享掃描統計嘅用戶，只包括超過 50 字嘅內容。換句話講，41% 只係描述呢批用戶見到兼掃描過嘅帖文，唔係隨機抽取整個 LinkedIn，仲唔係逐篇向作者查證得出。
Pangram 聲稱模型假陽性率只有 0.01%，但呢個係公司按自身測試所得，唔代表放到所有寫作風格同平台內容都維持同一表現。AI detector 呢類工具亦有已知限制：Stanford 研究團隊 2023 年測試另一批 detector 時，發現非英語母語人士嘅英文文章較易俾人錯判。嗰項研究唔足以證明 Pangram或者 LinkedIn 同樣有偏差，但足以提醒招聘人員，偵測結果只適合做覆核線索，唔適合單獨用嚟淘汰求職者或者質疑作者誠信。
搵工、招聘同經營專業形象都會受影響
對喺香港用 LinkedIn 搵工、請人或者建立專業形象嘅人，最直接改變係人脈圈外曝光可能變得難捉。創作者若只靠 AI 整理一堆通用職場道理，就算文法順滑，亦較易跌出推薦；加入實際項目背景、自己做過嘅取捨同可核實資料，會清楚過刻意扮「人味」。招聘人員就要避免用帖文語氣或 detector 分數代替履歷核實、面試同作品審查。下一步要睇 LinkedIn 會唔會公開誤判率、申訴方法，同埋四成跌幅可唔可以維持。
參考來源
- The Verge — Over one million people have clicked LinkedIn’s AI slop button — original report
- Hari Srinivasan 公布 AI slop 掣最新數據 — LinkedIn 產品總監嘅第一手公布，係逾百萬人同四成跌幅嘅資料來源。
- How LinkedIn is addressing generic AI slop content — LinkedIn 官方解釋分類、分發範圍、94% 內部測試結果同平台對 AI 輔助寫作嘅立場。
- AI Content Is Everywhere on Social Media, Especially LinkedIn — Pangram 公布 41% 數字、逾百萬篇樣本、extension 收集方法同字數門檻。
- GPT detectors are biased against non-native English writers — 補充 AI detector 嘅誤判同語言偏差風險；研究並非針對 LinkedIn 或 Pangram。
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。
