🗞️ AI 日报 · 8月18日

社交新贵Flock近期公布了其设计哲学：拒绝算法推荐、取消点赞计数、限制每日信息流刷新次数，试图用「反流量逻辑」重建用户的注意力秩序。MIT Technology Review深度拆解了这一激进选择背后的数据与矛盾——Flock的次日留存率确实达到行业平均的1.7倍，但用户日均使用时长远低于Instagram等竞品，且30天后的内容贡献率出现断崖式下跌。文章指出，Flock的设计团队混淆了「减少干扰」与「降低价值密度」的界限：当用户无法快速筛选高质量内容时，克制反而成为逃离的理由。更关键的是，Flock的「反算法」姿态并未真正摆脱算法——它只是用更隐蔽的规则排序替代了显性的推荐系统。这场实验的终极拷问是：在注意力经济时代，社交产品能否靠「做减法」赢得长期主义，还是注定沦为小众乌托邦？

所有AI公司都在炫耀日活、调用量、付费率，但MIT Technology Review的这份调查报告揭穿了行业最不愿面对的真相：没有任何一家主流AI厂商能准确描述用户到底在用AI完成什么任务。调查发现，现有遥测数据存在系统性偏差——OpenAI的会话日志显示「编程辅助」占比最高，但用户访谈中「写情书」「伪造请假条」「模拟心理医生」等场景从未出现在官方统计中。更严重的是，基于关键词分类的埋点方案将大量「隐式使用」（如用户让AI改写一段话却不说用途）归为「其他」，这一类别实际占比高达43%。文章提出，行业对「真实使用场景」的认知空白正在扭曲产品路线图——大量资源被投向代码生成，而用户真正高频需求的「情绪价值输出」却缺乏专门优化。这份调查无异于给狂热的技术叙事泼了一盆冷水：当所有人都以为AI在改变世界时，我们连它此刻在改变谁的生活都尚未测量清楚。

在多智能体强化学习领域，沟通策略长期聚焦于「说什么」而忽视了「何时说」，这一盲区导致大量无效信息在智能体间流转，不仅浪费带宽资源，更严重干扰了协作效率。本文提出了一种基于信念分布与KL散度的门控机制，让每个智能体在决定是否发送消息前，先量化自身观测与全局信念之间的信息增益——只有当KL散度超过动态阈值时，才触发通信。这一设计将沟通从「广播模式」升级为「按需模式」，实验表明在仓储机器人调度、自动驾驶汇流等场景中，通信量平均降低62%的同时，任务成功率反而提升18%。核心洞见在于：真正的智能协作不是信息越多越好，而是信息差越精准越好。该框架为多智能体系统的可扩展性提供了理论基石，尤其对通信受限的真实物理世界部署具有里程碑意义。