待验证50% 置信事实精确时间

学术界和平台安全研究者已记录多起利用大语言模型批量生成高质量社区评论以操纵舆论的案例，部分研究称之为 LLM 驱动的 astroturfing

1

来源数

50%

置信度

长期有效

时效性

2026/9/25

首次发现

来源

用Skill.md规范AI在Hacker News的评论行为

涉及实体

astroturfingconcept LLMtechnology

相关事实

待验证MIT媒体实验室、斯坦福HAI研究所等机构正在系统性研究人机混合社区中的信息传播、信任机制和群体决策动态65% 相似待验证与大语言模型的对话能够实质性地影响用户的态度和信念，涵盖从产品推荐到政治立场等领域64% 相似待验证安全研究社区已记录的模型护栏绕过方式包括角色扮演提示注入、多步骤分解请求以及对抗性前缀64% 相似待验证南加州大学Jonas Kaplan等人2016年的fMRI研究显示，当政治信念遭到挑战时，参与者默认模式网络活动显著增强63% 相似待验证对初级分析师而言，将脱敏的真实项目拿到数据社区请教，比抽象提问能获得更有深度的反馈63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/950760

API

curl https://kongchang.com/api/v1/knowledge/claims/950760

MCP

get_claim(id=950760)