内容质量与注意力分配：基于 LLM 的对等心理健康网络案例研究

随着社交媒体和对等网络的兴起，用户越来越依赖众包回复来获取信息和帮助。然而，用于排序和推广回复的机制往往优先考虑时效性而非质量，从而可能导致对求助者的支持不佳。我们分析了数百万条与心理健康相关帖子的回复，利用大语言模型（LLM）评估内容的多维质量，包括相关性、共情和文化对齐等方面。我们的发现揭示了内容质量与注意力分配之间的不匹配：较早的回复——尽管质量相对较低——由于平台排序算法而获得了不成比例的高比例的点赞和可见度。我们证明，排名靠前的回复质量可以通过重新排序提高多达 39%，即使是最简单的重新排序策略也能显著提升排名靠前回复的质量，这凸显了需要更精细的排序机制来同时优先考虑时效性和内容质量，特别是在在线心理健康社区中的情感参与。