内容模糊化：逃离数字社交媒体信息茧房

社交媒体上的信息茧房限制了用户接触多元观点的程度。现代平台将立场检测作为推荐和排序管道中的重要信号，这会将帖子主要路由到以类同受众中，减少跨切割曝光。这限制了异议意见的传播，阻碍了建设性讨论。我们站在内容创作者的角度，探讨如何修订内容以触及现有亲和集群之外的受众。我们提出 ContentFuzz，一种置信度引导的模糊化框架，通过重写帖子内容来保持其人类解读意图并诱导不同的机器推断立场标签。ContentFuzz 旨在将帖子路由出其原始茧房。该方法引导大型语言模型（LLM）生成在内容语义上保持完整的改写，并通过立场检测模型提供的置信度反馈。我们在四个代表性立场检测模型上测试了三个数据集中的两个语言，结果显示 ContentFuzz 有效改变了机器分类的立场标签，同时保持了与原始内容的语义完整性。