Meta AI feed faces quality issues with clickbait content

•Meta已實施強制性標籤政策，要求對逼真的AI生成內容進行標示，並利用C2PA水印等技術信號進行檢測，未標示或虛假內容將面臨降級處罰。
•Meta正大幅增加對先進AI系統進行內容審核的依賴，旨在減少人工監督重複性任務，並將語言覆蓋範圍擴大到98%的線上用戶。
•Meta的監督委員會批評現有的AI內容政策不足，建議制定一套獨立且全面的AI生成內容規則，並投資更可靠的檢測工具，特別是針對衝突期間的欺騙性AI內容。
•Meta的AI排名演算法，例如用於廣告的「自適應排名模型」(Adaptive Ranking Model)，已達到大型語言模型(LLM)的複雜度，能根據用戶情境和意圖動態調整計算能力，以增強個性化和廣告定位。
•Meta整合AI引發了用戶反彈和隱私擔憂，包括AI生成內容可能稀釋真實的人際互動，以及AI聊天互動被用於定向廣告的可能性。

📊 競品分析▸ Show

平台	AI內容標籤政策	AI內容審核	用戶控制AI內容
Meta	強制要求對逼真AI內容進行標籤，否則降級；利用C2PA水印等技術檢測。	大幅增加AI系統在內容審核中的作用，減少人工審核員，覆蓋98%線上語言。	用戶對AI生成內容的控制權有限，主要透過演算法排序。
TikTok	要求創作者標籤「逼真」的AI生成內容，並禁止公眾人物或危機事件的有害深度偽造。	透過演算法和人工審核結合，處理每日超過1億的內容上傳。	提供用戶減少或增加動態牆上AI生成內容的選項。

Meta的AI排名系統採用多階段管道架構，首先進行廣泛檢索以篩選數千個候選內容，然後由輕量級模型進行積極過濾，最後由更複雜的神經網路排名器進行精確評分。
演算法不直接消耗原始內容，而是消耗「工程化信號」(engineered signals)，例如「用戶X點擊貼文類型Y的可能性，基於互動歷史Z」等計算特徵。
Meta的AI演算法透過持續學習用戶行為來不斷演進，形成一個產品回饋循環，其中用戶行為改變內容呈現，進而影響用戶行為，再反過來改變演算法。
用於廣告的「自適應排名模型」(Adaptive Ranking Model) 將Meta的廣告排名擴展到LLM級別的複雜性，它根據用戶情境和意圖動態地將每個廣告請求路由到適當的模型複雜度級別，以在保持亞秒級響應時間的同時提供更好的廣告定位。
Meta的AI系統能夠掃描內容的元數據和水印（如C2PA、IPTC標籤），以檢測AI生成內容的來源。
內容品質評估超越傳統SEO指標，AI系統透過分析內容的深度、準確性和主題覆蓋範圍來評估專業知識指標，並透過交叉引用多個來源來驗證事實準確性。

Meta將面臨持續的內容真實性與使用者信任挑戰。

隨著AI生成內容的普及和AI審核系統的局限性，平台將難以完全遏制假新聞和低品質內容，可能導致使用者對平台資訊的信任度下降。

Meta的內容審核策略將進一步自動化並減少人工干預。

公司已明確表示將擴大AI在內容審核中的作用，以提高效率和覆蓋範圍，同時減少對第三方人工審核的依賴。

平台上的AI生成內容將變得更加普遍且難以辨識。

隨著生成式AI技術的進步，內容的真實性將越來越難以區分，即使有標籤和水印，惡意行為者仍可能規避，增加辨識難度。

2006-09

Facebook推出動態牆(News Feed)，改變了用戶接收資訊的方式。

2011-09

Facebook引入演算法策劃的動態牆，開始根據用戶偏好排序內容(EdgeRank)。

2013

Facebook演算法強調內容品質，旨在減少點擊誘餌並推動高品質內容。

2024-04

Meta宣布將對更廣泛的AI生成內容添加「AI資訊」標籤，並停止僅因操縱媒體政策而移除內容。

2025-11

Meta發布新的AI內容規則，要求對逼真AI圖像、影片和音訊進行標籤，否則將被降級。

2026-03

Meta宣布將擴大對AI工具的依賴進行內容審核，並減少對人工審核員的依賴。

Meta AI 動態牆面臨點擊誘餌內容的品質挑戰