Bonsai：有意图的个性化社交媒体动态

文献标题

Bonsai: Intentional and Personalized Social Media Feeds

出版信息

• 主题领域: 使用自然语言输入和透明机制创建个性化社交媒体信息流。
• 关键词: 意向性信息流、个性化信息流、社交媒体、语言模型、透明性、用户自主性、信息流定制、Bluesky、算法控制、自然语言。

背景与问题

• 问题/挑战: 以参与度优化为目标的信息流主导了社交媒体平台，常常使用户行为与其深层目标不一致，并促进强迫性或上瘾性使用。现有的信息流定制工具要么过于粗糙（如时间管理工具），要么需要较高的技术专业知识。
• 重要性: 不一致的信息流可能损害用户的幸福感，削弱信任，并导致平台流失。创建与用户明确意图一致的信息流可以改善心理健康、提高生产力和满意度。
• 动机与相关工作: 之前的研究探索了摩擦工具、基于主题的界面和基于规则的定制系统，但这些方法在细粒度和可访问性方面存在局限性。语言模型为实现无需技术专业知识的意图驱动个性化提供了有前景的途径。

解决方案

• 提出的方法: Bonsai——一个使用自然语言输入创建意向性和个性化社交媒体信息流的跨平台系统。它包括规划、获取、筛选和排序模块，以透明的方式生成与用户目标一致的信息流。
• 创新点:
  1. 首个面向终端用户的系统，使用语言模型实现基于自然语言的信息流创建。
  2. 跨平台的模块化架构，用于信息流定制。
  3. 基于与Bluesky用户的多周实地研究获得的实证洞察。
• 流程与关键技术:
  • 规划: 使用大型语言模型（LLM）代理将用户的自然语言输入转化为信息流配置。
  • 获取: 通过API从指定的信息流、账户、标签和查询中检索帖子。
  • 筛选: 使用多模态LLM根据用户偏好对帖子进行评分。
  • 排序: 使用加权Borda计数算法根据相关性、时间性和流行度对帖子进行排序。

结果

• 具体发现:
  • Bonsai生成的信息流中70%的帖子被评为“相关”或更高（26%“完全相关”，44%“相关”）。
  • 16%的帖子被评为“不相关”，7%被评为“应该排除”。
  • 显著的标注者间一致性（κ = 0.77）。
• 相较基线的优势: 与现有的信息流构建工具（如Skyfeed）相比，Bonsai减少了设置工作量，并允许通过自然语言表达细致偏好。
• 实验/评估:
  • 对15名Bluesky用户进行的为期中位数11天的实地研究。
  • 参与者创建了36个信息流，手动重新生成信息流103次，使用Bonsai信息流1,413次。
  • 通过访谈和交互日志分析了用户自主性、努力与回报权衡以及透明性等主题。
• 局限性与未来工作:
  • 由于Bluesky生态系统较小以及参与者偏向学术界，通用性有限。
  • 短期研究（中位数11天）可能无法捕捉长期采用模式。
  • 系统限制（如缺乏基于网络或位置的建议）导致摩擦。
  • 加剧回音室和过滤气泡风险需要进一步探索。

总结

Bonsai提出了一种使用自然语言输入创建意向性和个性化社交媒体信息流的新系统，使用户能够明确表达目标并透明地塑造信息流算法。一项实地研究表明，Bonsai帮助用户发现新内容，过滤掉不相关或有害的帖子，并将参与度与意图分离开来，尽管信息流构建比用户习惯的方式需要更多努力。参与者重视自主性和透明性，但强调需要更紧密的反馈循环以及结合意向性和自发性信息流的混合方法。Bonsai为更符合用户目标和价值观的社交媒体系统提供了一条有前景的路径。