Personal Salience: Highlighting Is Social, but Individuality Lives in Selection
本文表明，尽管社会共识压倒性地决定了哪些文本段落会被高亮显示，但个人的独特身份主要并非通过其标记的内容来恢复，而是通过其对哪些社会显著段落进行高亮显示的独特选择来恢复。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正和一群朋友一起读书。你们每个人都拿着自己的荧光笔，并标记出那些让你眼前一亮的句子。
这篇论文提出了一个简单但深刻的问题：如果有人看了你的高亮记录，他们能看出来你是谁吗？ 还是说，你只是在标记那些每个人都会标记的“显而易见”的部分？
研究人员通过使用一个名为 Glasp 的真实世界应用来研究这个问题，该应用中有成千上万的人在网上标记文章。他们将这个问题分解为两个不同的“游戏”，以寻找答案。
游戏 1：“什么是重要的？”游戏（显著性/Salience）
任务： 你被给予一个空白页面。你的任务是猜测任何人都会标记哪些句子。
发现： 如果你试图根据自己独特的个性来预测，你会表现得很糟糕。
- 群众获胜： 预测你将标记什么的最好方法，仅仅是看其他人标记了什么。如果 50 个人都标记了某个段落，你很有可能也会标记它。
- “数字孪生”失败： 即使你向一个超级智能 AI 输入你过去所有的阅读历史来构建一个你的“数字孪生”，那个 AI 仍然会输给群众。它无法比仅仅观察平均读者的行为更好地预测你的高亮内容。
- “耳语”： 你的个人品味就像嘈杂房间里的耳语。它确实存在（从统计学上讲，它是存在的），但它太微弱了，以至于被其他人在做的事情所产生的“噪音”完全淹没了。
类比： 想象一场演唱会。“响亮”的部分（副歌、重音鼓点）是每个人都会注意到的部分。如果你问 1,000 个人指出最响亮的部分在哪里，他们都会指向同一个地方。你对特定鼓点的个人偏好在这里并不重要；群众的共识才是唯一重要的东西。
游戏 2：“哪一个是你的？”游戏（选择/Selection）
任务： 这一次，研究人员给了你一份清单，上面列出了所有人已经达成共识认为重要的句子（即游戏 1 中的“响亮”部分）。你的任务是猜测：在这些热门句子中，哪些是你特意选择的？
发现： 这正是展现你个性的时刻。
- 你脱颖而出： 当选项已经被过滤到“最佳”部分时，你自己的历史记录就成为了一个非常强大的预测因子。AI 可以观察你过去的选择，并说：“啊，在这 10 个热门句子中，你选择了这 3 个，因为它们符合你的特定兴趣。”
- 差距： 在猜测你的选择与猜测一个陌生人的选择之间，存在着巨大的差异。这里的预测能力要强 6 到 8 倍。
类比： 想象一个自助餐，大家都同意了那 20 道“最棒”的菜肴。当你走向那张桌子时，你不会选择和所有人完全一样的 20 道菜。你会挑选那 5 道符合你特定口味的菜。研究发现，当你从热门选项中进行选择时，你的“品味”是非常清晰的，即便你最初无法预测哪些选项是热门的。
核心揭示：是什么成就了你？
论文得出结论，个性不在于你觉得什么有趣（因为大多数人觉得同样的东西有趣），而在于你决定保留哪些有趣的东西。
- 共享层： 我们都对故事的“主旨”达成共识（社会层）。
- 个人层： 我们在哪些主旨被选为“最爱”这一点上存在分歧（选择层）。
一些其他有趣的细节
- 读者越多 = 达成共识越少： 阅读一篇文章的人越多，他们在标记上的共识就越少。这就像一个派对：如果有 5 个朋友，你们都会认同同一首歌；但如果有 500 个陌生人，每个人对什么是好的都有不同的看法。
- 你不需要一生的数据： 要弄清楚你的“选择风格”，AI 只需要看到你大约 20 到 30 个 过去的高亮记录。在此之后，增加更多的历史记录并不会有太大帮助；你已经展示了你的模式。
- “泄露”警告： 研究人员发现许多之前的研究都犯了一个错误。他们无意中让 AI 在做出预测之前，先看到了你历史记录中的当前文章，从而让 AI “作弊”了。当他们修复了这个“泄露”问题后，AI 预测你选择的能力显著下降，这证明了“个人信号”是真实存在但又很微妙的。
底线
你的高亮记录并不是你灵魂的完美镜像。它们更多地是其他人想法的反映。然而，如果你观察你在那些热门事物中选择保留哪些，那才是你独特指纹所在之处。你不是群众的克隆体；你是那个从群众的最爱中挑选出特定子集的人。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。