噪音感知下的治理困局：網路模組指標掩蓋的審核錯誤

研究透過模擬 N=240 個學習代理的網路環境，發現一個在所有標準準確率指標上表現優異的內容審核系統，仍可能在假陽性噪音嚴重時導致實際傷害。雖然整體網路效用變化不大，但扮演「橋樑」角色的使用者會遭受不成比例的錯誤懲罰，其有用訊息遭到錯誤抑制。團隊指出，總體準確率往往掩蓋了這些結構性弱點，並建議將使用者的連結度作為識別潛在受害個體的代理指標。