想象一下，欧盟（EU）决定建造一座巨大的公共“玻璃屋”，用来观察社交媒体巨头（如 Facebook、TikTok 和 YouTube）如何监管其自身内容。其目标是确保这些公司诚实地说明他们删除了什么、为何删除以及如何删除。为了实现公平，欧盟引入了一套名为《数字服务法案》（DSA）的新规则手册。该手册要求所有最大的平台以完全相同的格式提交报告，就像所有学生都使用同一种带横线的纸张和相同的字体来提交作业一样。
这份报告就像是一位老师，在新规则手册实施后，对全球八家最大社交媒体公司的首批“作业”进行批改。研究人员问道：“学生们是否真的遵循了指令？他们的答案是否一致？”
以下是他们发现的简化说明：
1. “作业”很混乱
尽管欧盟为所有人提供了相同的模板，但“学生们”（即各平台）并未完全遵守规则。
- 格式问题：有些公司使用了错误的字体，有些填错了表格，还有些试图用与要求完全不同的语言提交作业。
- 时间问题：规则规定“删除内容后立即告知我们”。然而，一些平台却等待数周甚至数月才提交报告。这就像学生等到学期末才提交每日日记。
- 数据问题：有些公司报告的数据不合逻辑。例如，某平台声称在一个小国的“活跃用户”数量超过了该国总人口加上所有游客和企业的总和。这就像一家餐厅声称在一个仅有 500 人的小镇里每天提供 1,000 份餐食。
2. “两层楼”问题（不一致性）
欧盟要求提交两种类型的报告：
- 详细日志（TDB）：列出每一条被删除的内容，就像购买每件商品的收据。
- 汇总报告（TR）：月度总结，就像月度银行对账单。
研究人员发现，对于许多公司而言，收据和银行对账单并不匹配。
- “幽灵”操作：有些公司在汇总报告中声称“我们自主删除了 100 万条内容”，但在查看详细日志时，这 100 万次操作却无影无踪。
- “机器人”混淆：有些公司在汇总报告中声称他们主要使用机器人（人工智能）删除内容，但详细日志显示几乎所有操作都是由人工完成的。这就像一位厨师告诉你他使用机器切菜，但厨房日志却显示是一位手持刀具的人完成了所有工作。
3. “翻译”错误
欧盟要求公司按语言细分数据（例如，法语帖子与德语帖子的删除数量）。
- 有些公司忽略了这一点，转而按国家提供数据。
- 另一些公司使用了错误的代码（例如将“爱尔兰语”写成“爱尔兰”）。
- 一家公司（X，前身为 Twitter）出现了一个奇怪的问题：他们声称几乎未自主删除任何内容，但其日志却显示他们每天删除数千条内容。
4. “秘密团队”理论
研究人员注意到一个奇怪现象：对于某些平台，“汇总报告”看起来非常专业且准确，而“详细日志”却一团糟。
- 比喻：这就像公司拥有两个不同的团队。一个团队是“公关团队”，负责为公众撰写整洁、漂亮的总结；另一个团队是“运营团队”，实际执行删除工作并保留一本杂乱无章的笔记。这两个团队互不沟通，因此数据无法匹配。
结论
该论文得出结论：尽管欧盟试图建立一个标准化系统以提高社交媒体透明度，但该系统目前在实践中已失效。
- 数据经常延迟、格式错误或相互矛盾。
- 你无法轻松比较不同平台，因为它们实际上都在遵循略有不同的规则，尽管被告知要遵循相同的规则。
- “玻璃屋”本应让我们看得清楚，但目前窗户模糊，有些玻璃甚至已经破裂。
作者建议，为了解决这一问题，欧盟需要停止仅仅分发模板，转而在接受报告前自动检查“作业”，并需要更清晰地说明这些词语的实际含义（例如，明确界定什么是“自动化”与“人工”）。在此之前，我们无法完全信任这些公司提供的数据。
技术摘要：《数字服务法》下透明度报告协调化的混乱
问题陈述
欧盟《数字服务法》（DSA）通过两种互补机制强制要求超大型在线平台（VLOPs）提交透明度报告：一是集中式透明度数据库（TDB），其中包含针对单个内容审核行动的逐项理由陈述（SoRs）；二是定期透明度报告（TRs），提供汇总数据。2025 年 7 月，欧盟委员会（EC）引入了一套协调框架，旨在标准化 TRs 的结构、格式和术语，并统一 TDB 的分类体系。尽管发生了这一规范性变革，但尚无实证证据表明平台是否符合新规范、协调化在提升跨平台可比性方面的有效性，或长期存在的数据不一致问题是否得到解决。本研究通过评估首个协调化报告期（2025 年下半年），旨在确定标准化透明度基础设施的运作化是否成功，从而填补上述空白。
方法论
作者对指定的八家超大型在线平台（Facebook、Instagram、LinkedIn、Pinterest、Snapchat、TikTok、X 和 YouTube）在 2025 年下半年的报告期进行了系统性评估。该方法包含两个互补层面：
定量分析：本研究分析了报告的五个关键维度：
- 活跃接收者（AMAR）：将经核实的国家层面 AMAR 数据与人口统计指标（人口、企业、游客）进行比对，以检测统计异常值和计算方法的不一致。
- 及时性：分析提交至 TDB 的 SoR 时间序列数据，以识别中断、延迟以及沟通延迟（从审核决定到提交 SoR 的时间）。
- 自动化手段：检查自动化检测与自动化决策的联合分布，并评估是否符合所有 24 种欧盟语言所需的按语言分类的指标（准确率、精确率、召回率）。
- 主动采取的行动：比较 TDB 中的 SoR 与 TRs 中平台主动采取的行动（基于条款与条件或非法性）的数量，计算对数几率差异。
- 通知机制：比较通过第 16 条通知和可信举报者（Trusted Flaggers）发起的行动数量，在两种机制间进行对比。
结构化比较评估：一项定性评估根据四项标准（及时性（仅限 TDB）、一致性（TDB 与 TRs 之间）、完整性（是否存在强制性属性）和格式（仅限 TRs））为每个平台分配分数（1–5 李克特量表）。分数经过加权，优先考虑完整性和一致性而非格式，从而生成总体报告质量分数。
主要贡献
- 首次协调化后系统性评估：这项工作提供了欧盟委员会 2025 年协调倡议之后，关于透明度报告数据质量的首次大规模定量评估。
- 运营审计框架：本研究实现了 TDB 与 TRs 之间的交叉核对，证明了由机器可读格式支持的程序化审计的可行性，同时指出了当前的局限性。
- 持续差异的实证证据：本文记录表明，尽管结构已协调，但平台之间以及两种报告机制之间仍存在显著的语义和运营不一致。
结果
分析显示，所有八家平台均存在广泛的合规问题和数据质量问题：
- 合规性与格式：所有平台在数据格式、及时性、一致性和完整性方面均存在问题。
- AMAR：若干平台（如 YouTube、Instagram、X）报告的标准化 AMAR 值为统计异常值，基于人口和企业数据推算，其数值超过了合理的上限。
- 及时性：观察到显著的中断和延迟。X 在该期间的前 56 天几乎未提交任何数据，而 TikTok 显示出较高的沟通延迟（中位数为 17.6 天）。
- 自动化手段：报告仍高度异质。X 将几乎所有 SoR 标记为非自动化，尽管其审核几乎是瞬间完成的。Facebook 和 Instagram 在 TRs 中报告了大量自动化使用，但在 SoR 中却报告了零个完全自动化的案例。许多平台未按要求在报告中按语言提供分类指标，而是使用了国家层面数据或完全省略。
- 机制间不一致性（RQ2）：TDB 与 TR 数据之间存在巨大差异，往往跨越数量级。
- 行动数量：LinkedIn、Snapchat 和 YouTube 在 TRs 中报告的主动采取的行动数量远高于在 TDB SoR 中可观察到的数量。相反，Snapchat 和 LinkedIn 在 TDB 中报告的基于通知的行动数量远高于 TRs。
- 自动化差异：Pinterest 和 YouTube 在 TRs 与 TDB 报告的自动化行动比例上显示出非常大的效应量（Cohen's h）。
- X (Twitter)：呈现出鲜明对比，其 TDB 质量得分最低（由于提交缺失和不合理的自动化声明），但 TR 质量得分最高。
- 定性分数：Meta 旗下平台（Facebook/Instagram）获得了最高的总体分数（4.67），而 X 的 TDB 得分最低（1.00），尽管其 TR 得分很高（4.67）。YouTube 和 TikTok 显示出显著的格式和一致性问题。
意义与主张
本文结论认为，虽然欧盟委员会的协调努力成功标准化了报告的结构，但未能实现语义一致性或运营互操作性。作者主张：
- 协调化不足：仅靠形式标准化无法保证数据的可靠性、可比性或可审计性。平台继续以异质的方式解读报告义务，特别是在自动化审核以及条款与条件违规与非法内容之间的区别方面。
- 数据可靠性受损：TDB 与 TRs 之间持续存在的不一致性，以及平台内部缺乏连贯性，限制了监管机构和研究人员进行有意义的跨平台分析或独立审计的能力。
- 政策影响：研究结果表明，需要提供规定性的语义指导（更清晰的自动化和非法性定义），在报告模板中实施受限的扩展性以处理边缘情况而不破坏标准化，并在发布前强制对提交的文件进行自动化验证。
- 谨慎解读：建议学者和从业者谨慎解读 DSA 透明度数据，因为尽管形式上已协调，当前的基础设施在运营上仍不一致。本研究并不声称要模拟内容审核的实质性动态，而是揭示了报告基础设施本身的脆弱性。
每周获取最佳 computer science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。