LinkedIn implements new measures to curb AI-generated slop

•LinkedIn 的新演算法利用大型語言模型（LLM）和基於 Transformer 的生成推薦模型，對內容和用戶興趣進行更具情境的理解，超越了過去依賴歷史互動數據的模式。
•該平台明確針對「AI 糟粕」，包括誘餌式互動（例如「如果你同意請留言『是』」）、重複的「思想領導力」內容、缺乏原創性的通用內容以及自動化評論。
•被標記為低品質的 AI 內容不會被移除，但其分發將受到抑制，這意味著它主要只會對作者的直接聯繫人和追蹤者可見，而不會出現在更廣泛的推薦中。
•LinkedIn 聲稱，其與內部編輯團隊合作訓練的新檢測系統，在早期測試中對通用內容的標記準確率達到 94%。
•儘管打擊「AI 糟粕」，LinkedIn 仍歡迎「AI 輔助」的內容，只要它包含原創想法或鼓勵有意義的對話，承認許多專業人士在工作流程中使用 AI。

📊 競品分析▸ Show

平台/功能	AI 內容/垃圾內容偵測	內容真實性/品質措施
LinkedIn	利用 LLM 和 Transformer 模型理解內容和用戶興趣；分類內容為垃圾郵件、低品質或高品質；抑制低品質 AI 內容的分發而非移除；檢測誘餌式互動、重複內容和自動化評論。	優先考慮真實互動、人類見解和專業知識；與內部編輯團隊合作訓練檢測系統；允許 AI 輔助內容，但要求原創想法和有意義的對話。
X (前 Twitter)	每日自動掃描，清除數百萬垃圾郵件帳戶；使用 AI 分類器針對協調的非真實行為（CIB）。	分析網絡拓撲以識別協調活動集群。
Meta (Facebook, Instagram, WhatsApp)	部署先進的 AI 檢測系統和行為分析；2025 年移除超過 1.59 億個詐騙廣告，其中 92% 是主動偵測；使用 AI 打擊名人誘餌和品牌冒充。	自 2024-2025 年起要求對逼真的 AI 內容進行標籤；參與全球執法行動，禁用與詐騙中心網絡相關的帳戶。
TikTok & YouTube	強調內容指紋識別，嵌入數位簽名以追溯來源和檢測重複內容。	自 2024-2025 年起要求對逼真的 AI 內容進行標籤。
跨平台合作	內容真實性倡議（CAI）標準化媒體文件中的加密元數據；全球反詐騙聯盟（GASA）協調跨平台的偵測和移除策略，共享威脅情報。	嵌入創建軌跡以驗證人類來源；防止不良行為者遷移到保護較弱的平台。

LinkedIn 更新後的動態牆演算法現在使用大型語言模型（LLM）和基於 Transformer 的生成推薦模型。
這些由 LLM 驅動的系統能更好地理解貼文的實際內容，以及它如何與成員不斷變化的興趣和職業目標相關聯，超越了過去嚴重依賴歷史互動數據的舊系統。
演算法將內容分為三類：垃圾郵件、低品質或高品質。違反 LinkedIn 社群政策的貼文將被移除，而低品質貼文（包括誘餌式互動和通用 AI 內容）在進入排名階段之前就會被降權。
檢測系統與 LinkedIn 內部編輯團隊合作訓練，以識別成員互動模式，區分提供觀點、背景或專業知識的內容與重複的想法。
2023 年 11 月，LinkedIn 實施了一個機器學習框架，利用 XGBoost 模型優先處理可能違反政策的內容，將識別違規內容的時間縮短了 60%，並以高精度自主處理約 10% 的排隊內容。
該系統還建立分類器，通過分析評論中的實際語言、模式和發布量來識別低品質的 AI 評論。

LinkedIn 對真實、專家主導內容的強調將提升平台上的專業交流品質。

通過抑制通用 AI 內容並優先考慮真實見解，演算法鼓勵用戶分享原創專業知識，從而促進更有價值的專業互動。

「AI 解決 AI」的方法將加劇內容創作者使用先進 AI 進行生成與平台使用 AI 進行檢測之間的軍備競賽。

隨著內容生成 AI 模型變得越來越複雜，檢測系統將需要不斷改進以跟上步伐，導致創新和反制措施的持續循環。

LinkedIn 對 AI 的細緻立場（允許 AI 輔助但懲罰「AI 糟粕」）將需要更清晰的指導方針，並可能需要新的工具來幫助用戶區分兩者。

「AI 輔助」和「AI 生成糟粕」之間的區別是微妙的，用戶可能難以理解界限，這要求 LinkedIn 提供更多透明度或工具來幫助創作者遵守。

2003-05

LinkedIn 正式上線，成為現存最古老的社交媒體平台之一。

2023-09

LinkedIn 調整演算法，優先顯示追蹤者內容及知識分享與建議，以維持其 B2B 社交網絡的定位。

2023-11

LinkedIn 推出由機器學習驅動的新內容審核框架，利用 XGBoost 模型優先處理可能違規的內容，將違規內容的識別時間縮短 60%。

2024-06

LinkedIn 引入 AI 驅動的推薦功能，傾向於個人互動而非企業貼文，導致付費貼文可見度增加，而自然貼文觸及率下降。

2025-03

LinkedIn 演算法更新，開始懲罰明確要求按讚或分享的貼文，並優先考慮有意義的互動和內容品質。

2026-03

LinkedIn 修訂其動態牆演算法架構，採用更先進的 AI 系統（包括大型語言模型 LLM），以更好地理解貼文內容與用戶不斷變化的興趣和職業目標。

2026-05

LinkedIn 宣布實施新措施，打擊低價值、AI 生成的「勵志」內容（即「AI 糟粕」），並在早期測試中聲稱對通用內容的檢測準確率達到 94%。

LinkedIn 實施新措施以遏制 AI 生成的垃圾內容