大模型会产生“标题党”特征倾向吗?——以中外代表性大模型为例的实证研究

标题写作是生成式人工智能应用于内容生产实践的重要场景之一。大模型会产生“标题党”特征倾向吗?围绕这一核心问题对国内外两个具有代表性的大语言模型运用算法审计方法进行实证分析。基于模型对973篇微信公众号文章进行标题写作的结果,研究发现,在不增加额外提示的情况下,大模型生成的标题具有一定的“标题党”特征倾向,其中GPT-4的倾向比ChatGLM3更明显,但与人类相比,两个模型的“标题党”特征倾向均没有人类明显。相比严肃议题,在非严肃议题文章的标题写作中,模型表现的“标题党”特征倾向更明显。提示(prompt)对大模型生成“标题党”特征倾向具有显著影响:添加含有“标题党”倾向的角色、背景和风格信息后,模型的“标题党”特征倾向均显著增强;添加限制“标题党”风格的提示后,“标题党”特征倾向会相应减弱。

计算传播研究中的计算机视觉分析:基于B站政务视频的研究案例与讨论

本文基于视觉框架理论,运用计算机视觉分析方法,基于B站政务视频数据,探索风格层次的视觉框架(包括人脸呈现、感知亮度、图像熵等元素)分布特征与层级差异,及其对于视频传播效果的影响。本研究在此基础上对如何更好地开展基于计算机视觉的计算传播研究进行了讨论。