信息爆炸时代下，推荐算法的广泛使用解决了信息过载问题，但同时也造成了公众接收信息的窄化以及群体极化，难以接触多元丰富的信息内容，从而影响个体的认知视野并加剧偏见固化，导致不同社会群体之间的理解鸿沟进一步扩大。国家市场监督管理总局办公厅、公安部办公室决定自2024年11月24日至2025年2月14日开展“清朗·网络平台算法典型问题治理”专项活动，其中把深入整治信息茧房，诱导沉迷问题视为首要任务，呼吁构建信息茧房防范机制，提升推荐算法推送内容的多样性与丰富性。为快速响应这一专项行动，2025年1月12日，由中国计算机学会（CCF）主办、CCF YOCSEF南京组织的“解码信息茧房：困境与突破之道”特别论坛在南京航空航天大学将军路校区举办，40余位高校专家、政府及企业科技工作者围绕信息茧房的成因、推荐算法助力突破信息茧房的演化路径及落地过程中可能存在的挑战、困难和破局之法等议题展开深入讨论。

信息茧房成因复杂，多方协同方为可行“破茧”之法

论坛的主要观点包括：信息茧房的形成是推荐算法设置、用户主观选择、平台机制引导和商业利益驱使等多种因素共同作用的结果。通过优化算法，推荐系统有望助力突破信息茧房，具体有以下几点可行之法：增加信息推荐的多样性，避免用户陷入单一信息源；提升推荐算法的透明度，让用户了解信息筛选和推送的逻辑；赋予用户更多自主选择权，使其能够主动调整信息接收范围；确保推荐算法的公平性和规范性，避免因算法偏见导致信息不平等；强化算法的安全性，并提高其可解释性，增强用户对推荐系统的信任等。在实际落地过程中，服务提供方可能因缺乏技术革新内驱力而阻碍“破茧”进程，通过加强民众宣传教育、通过制定法律法规加强约束等思路，以提升用户信息素养、增强平台责任意识，为信息茧房的突破提供可行路径。

引导发言全方位聚焦推荐系统视角下的信息茧房

苏州大学计算机科学与技术学院赵朋朋教授带来题为“推荐系统信息茧房的‘破’与‘立’”的引导发言，从信息茧房的基本定义、前因后果、“破茧”所面临的挑战和可能的方法等多个维度进行了论述，他还结合前沿的大模型论述了新时代信息茧房面临的新问题和挑战，也基于自身经验论述了一些未来的重要研究方向。

浙江大学计算机科学与技术学院陈超超研究员的引导发言题目为“面向推荐系统的可信人工智能”，他为大家分享了团队围绕面向推荐系统的可信人工智能前沿热点，从隐私效用权衡、知识可遗忘、高效普适公平等三个维度开展了一系列创新研究，为构建隐私保护下可信赖且公平的推荐系统提供了思路，也为后续思辨环节讨论突破推荐算法背后的信息茧房奠定了良好的基础。

中国科学技术大学计算机科学与技术学院黄振亚副教授带来题为“推荐算法‘破茧’：算法、生态与用户选择”的引导发言，他从政治、经济、文化、人民生活等多个角度阐述“信息茧房”产生的影响，并从技术驱动、用户认知选择、平台设计与商业逻辑等方面分析了信息茧房形成的原因，同时也介绍了他们团队关于智能教育中信息茧房的具体研究场景案例，并从算法、平台生态和用户视角提出可能的“破茧”之法。

思辨探讨深入信息茧房复杂成因与破茧实践路径

思辨讨论环节，与会嘉宾围绕三个议题展开热烈讨论，具体如下：

1） 信息茧房形成的背后原因有哪些?

夏彬（南京邮电大学）从技术、政策和用户三个层面分析“信息茧房”形成的原因，他认为技术并非主要问题，技术层面完全能够解决公平性和透明性等问题，但商业利益驱动使得推荐算法更注重用户沉浸感和收益最大化。此外，政策层面近年来已有较大改进，如要求APP提供个性化推荐开关和更灵活的选择范围，但政策效果仍需时间验证。因此，最根本的原因在于用户层面。他认为解决问题的关键在于提升用户的认知觉悟和选择能力，并区分了三类用户：有能力跳脱信息茧房的人、完全沉浸其中且不关心多样性的人，以及大多数缺乏意识或手段的人群。他呼吁未来采取的技术手段应更多关注中间群体去平衡推荐系统的便利性与多样性，避免用户身陷信息茧房。

胡玉姣（紫金山实验室）认为当前的推荐系统在设计与运行中，往往以商业利益最大化为核心目标，优先考虑提升用户点击率、转化率以及平台收益。这种导向使得推荐算法更倾向于迎合用户的短期兴趣或行为模式，这不仅可能导致内容分发的不均衡，进一步加剧信息茧房，还可能牺牲某些内容创作者的曝光机会，形成不平等的生态环境。

陈超超（浙江大学）认为在“信息茧房”问题中，核心原因仍在于商业利益驱动。平台在设计推荐系统时，往往以收益最大化为唯一目标，而忽略了对用户可能产生的负面影响。这种策略优先考虑用户点击率，忽视了推荐内容的多样性和公平性等因素。从企业视角来看，这种设计逻辑符合经济利益，但从社会层面来看，若缺乏强有力的政策约束及引导，平台一般来说不会去主动承担更广泛的社会责任。

沈杰（数据堂）则从外因、内因两个维度剖析了问题本质并指出信息茧房不仅是利益驱动的产物，更是一种思想控制的手段。从外部看，信息茧房是通过内容设计，将用户固定在特定的思维模式内，以实现商业利益最大化。从内部看，许多用户缺乏对信息控制的认知，甚至对被控制的状态感到舒适和满足。问题的根源不仅在于规则制定者对用户思维的规范，更在于用户自身是否愿意觉醒并跳脱舒适区，从而追求独立思考和更广阔的信息视野。

朱光辉（南京大学）认为商业利益是驱动信息茧房的核心，算法在推动用户沉浸方面具有显著作用，但最终是否能跳出信息茧房的决定权仍掌握在人自身。这取决于用户是否具备足够的意识和主观能动性去辨别算法的影响，并主动调整自身行为。

徐翔宇（东南大学）指出信息茧房的形成源于人类感知信息的能力有限，这是一种客观存在的现象，信息茧房既是技术问题，也是人类感知的自然结果，需通过理性认知与技术优化加以应对，以减少其负面影响。

董云云（太原理工大学）同样认为信息茧房的形成既有技术和商业利益的推动，也与个体行为密切相关，用户可以通过主动标记不感兴趣的内容或尝试探索新领域，引导算法扩展推荐范围。因此，信息茧房与个体是否愿意跳出舒适区、主动追求多样化信息息息相关，这是一种双向的互动。

徐方鑫（朗力半导体）则认为信息茧房的形成不仅源于推荐系统的单一算法，更是一种复杂的生态结构。平台在收集用户消费习惯和专业需求后，与品牌进行深度沟通，从而构建了品牌、用户与平台的闭环生态。这种生态强化了用户对特定信息的依赖，使打破茧房变得困难。

2）推荐算法如何演化以助力突破信息茧房?

李逸聪（南京航空航天大学）从技术和用户自主可控两个角度发表观点，在技术优化方面，推荐系统可以通过多维度数据采集和建模来提升效果。例如，除了基于点赞和评论的显性反馈，还应考虑用户的停留时间和多次访问等信息，从而调整推荐内容，避免固守狭窄的兴趣圈。此外，动态调整用户画像，结合长期兴趣和短期行为变化，可以避免推荐系统过度依赖短期偏好。同时，推荐系统可以引入一些探索性推荐，向用户推荐他们未曾接触过但可能感兴趣的内容，拓展其兴趣范围；从用户自主可控的角度，推荐系统可以量化用户陷入信息茧房的程度，并提醒用户自我反思。允许用户主动设置推荐多样性和个性化之间的平衡，有助于提升其对推荐内容的控制，避免完全被动接收信息。这些措施能够更好地帮助突破信息茧房，提升用户体验。

李娟（南京航空航天大学）认为可以从提升透明性和增加自主权两方面增强用户对算法的定制，通过公开算法的基本逻辑、简化展示等方式以便用户更好地理解推荐算法，通过引入定制选项，允许用户调整推荐的多样性或个性化程度，不仅能有效减少信息茧房的影响，还能增强用户对推荐结果的满意度。

杨胜利（苏州科豆汇科技有限公司）主要阐述了“信息茧房”现象在互联网前后的演变及其影响。随着用户对精准画像和定向推送产生反感，他们认为被过度操纵，因此平台开始调整策略，转向相对不那么精细的推荐方式。在市场竞争和用户需求的推动下，算法推荐逐渐趋向泛化和规范化，以减少用户反感并保持平台活力。这种演变反映了信息推送机制在效率与用户体验之间寻求平衡的过程。

张嘉超（南京工程学院）则从科研技术、用户和商业角度三个层面阐述了突破信息茧房的方法，提出通过迁移学习模型和关联学习模型来拓展信息边界，并在算法层面引入区间算法和公平性约束。其次，在用户端允许用户自主调控推荐源的比例（如历史兴趣、热点内容、知识边界信息等），并实现多轮交互式推荐。从商业角度来看，突破信息茧房不仅是技术问题，更涉及商业意愿的博弈，需要通过法律法规和行业公约等外部约束来规范和引导。

卢晓珍（南京航空航天大学）从用户视角出发，探讨了推荐算法的应用对信息泄露的两大担忧。一是主观信息的泄露，二是对AI推荐系统可信度的质疑（包括准确性和安全性两个维度），她同时提出了建立推荐算法监管系统的建议，该系统应当能够对推荐规则的真实性进行审计，并监督数据获取方式的合规性。在法律法规和行业公约的约束下，她建议采用区块链等技术来构建可信的监管系统，以提升推荐系统的透明度和安全性，从而缓解用户对个人信息安全的担忧。

刘洋（辽宁师范大学）强调了“自然形成”与“人为制造”的茧房之间的重要区别，人们往往对自然形成的限制习以为常，甚至毫无察觉，但对人为施加的限制则容易产生抵触，在追求算法突破信息茧房的过程中，可能反而强化了对用户的人为干预。因此，他建议重点应放在如何让推荐过程更自然流畅，减少用户的异物感，而不是一味追求突破边界。

赵朋朋（苏州大学）从技术研发者的视角，讨论了突破信息茧房的技术与实践之间的矛盾。他建议未来的技术发展应该更多地关注模型的透明度和可解释性，在保持对用户吸引力的同时避免造成信息茧房。他的观点强调了在技术创新、商业利益和用户体验之间寻求平衡的重要性，同时也指出了推荐系统在智能化方面仍有很大的提升空间。

安悦瑄（河海大学）强调了算法开发必须以人为中心的理念，建议算法研发应该打破学科壁垒，与心理学、认知科学等领域专家合作。其次，从神经科学角度探讨了短期快感（多巴胺）和长期愉悦（内啡肽）的平衡问题，提出推荐算法应权衡用户的短期与长期收益。

赵星宇（南京航空航天大学）认为单一内容的重复推送不仅降低用户体验，对产品的长远发展也有负面影响，推荐系统应在满足用户需求与优化多样性之间找到平衡，标记分布学习为解决此问题提供了潜在方向。相比传统推荐系统基于单一分类输出的方式，标记分布学习通过概率分布形式表示类别，能够挖掘类别间的潜在关联。这种方法可在保持分类精度的同时，显著提升推荐内容的多样性，避免用户陷入单一信息圈。

3）推荐算法在“破茧”过程中存在哪些实际挑战与阻碍？如何破局?

肖国辉（东南大学）从多个维度分析了信息茧房及推荐算法对社会的影响。首先，他指出在当前国内互联网环境下，信息容易被操纵和污染，导致用户难以获取真实、有价值的讨论内容，特别是在重大事件发生初期。这种现象背后涉及复杂的利益纠葛，使得单纯依靠技术手段解决问题的前景不容乐观。其次，通过对比国内外外卖员的工作状态，揭示了算法对劳动者的强制性约束。平台通过不断优化配送时间，形成对劳动者的过度压榨，这种"效率至上"的正反馈机制可能带来严重的社会问题。最后，他强调突破信息茧房不能仅依靠算法技术，而需要在更宏观的社会背景下，结合法律规制（如数据安全法等）和社会治理等多个层面来综合考虑。

张亮（山东大学）聚焦于通过监管手段来规范推荐算法，以平衡商业利益与用户权益。虽然增加用户选择权是改善信息茧房的有效方式，但商业公司出于利益考虑往往缺乏主动作为。因此，他建议通过制定严格的监管条例和法规，强制要求企业提供更多元化的内容选择、加入类似人机交互的文字描述功能、保障用户对推荐内容的选择权重。

张永敏（中南大学）提出突破信息茧房的关键在于跳出算法本身的局限。首先，他指出推荐系统的根本目的是为用户提供选择空间，但当前系统往往受制于商业公司追求利润最大化的单一目标。虽然学术界提倡多目标优化，但在商业实践中难以落实，即使通过法律法规引导也难以从根本上解决问题。因此，他提出了创新性的解决思路，即不应局限于改进推荐算法本身，而是要深入思考如何引导用户在信息丰富的时代主动拓展知识结构，培养多元化的兴趣。

卢晓珍（南京航空航天大学）提出在制定监管政策时应由多方利益相关者共同参与，来制定更具包容性的法律法规。她认为当前推荐算法存在从大众化向个性化转变的趋势，不同用户对推荐系统有着不同的需求和期望。针对这种复杂性，在制定相关法律法规时，应该突破传统的自上而下的监管模式，建立一个多方参与的协商机制，以平衡各方利益，制定出更具可操作性和适应性的法规。

徐方鑫（朗力半导体）通过知乎平台的转型案例，揭示了内容平台在商业化进程中的演变规律。以知乎科技板块为例，从最初面向行业专业人士的小众定位，转变为更注重大众需求的“知乎数码”。这一转变反映了平台在追求商业生存与维持内容价值之间的权衡：过于专业的内容难以获得广泛认同，导致经营困难；转向大众化后虽然改善了经营状况，但也带来了内容趋同化的问题。这种商业逻辑实际上是信息茧房形成的深层原因，值得在探讨突破方案时重点关注。

黄振亚（中国科学技术大学）从三个维度探讨推荐算法的优化问题。首先，他指出用户参与的矛盾性——用户习惯被动接受推荐，但对主动表达需求往往存在抗拒心理。其次，强调了算法优化的时间维度问题，当前算法过分注重短期反馈，忽视了用户需求的情境性和长期性。最后，建议用户、平台和算法都需要保持更大的包容性，不应过分强调即时精准，而应该在考虑长期和多元价值的基础上优化推荐系统。

本次论坛邀请到苏州大学计算机科学与技术学院赵朋朋教授、浙江大学计算机科学与技术学院陈超超研究员、中国科学技术大学计算机科学与技术学院黄振亚副教授作为引导发言嘉宾，南京邮电大学计算机学院夏彬副教授、南京航空航天大学计算机科学与技术学院李逸聪特聘副研究员、东南大学计算机科学与工程学院肖国辉教授作为特邀思辨嘉宾。论坛由CCF YOCSEF南京AC委员臧天梓（南京航空航天大学）和CCF YOCSEF南京AC委员蔡惠（南京邮电大学）担任执行主席共同主持，CCF YOCSEF南京AC委员孟凡（南京信息工程大学）和CCF YOCSEF南京AC委员胡玉姣（紫金山实验室）共同担任在线主席，南京航空航天大学计算机科学与技术学院/软件学院协办。附活动掠影：

图1 与会嘉宾合影

图2 南京航空航天大学计算机科学与技术学院副院长赵彦超致欢迎词

图3 执行主席臧天梓、蔡惠作论坛背景介绍

图4 赵朋朋作引导发言

图5 陈超超作引导发言

图6 黄振亚作引导发言

图7 夏彬、李逸聪、肖国辉作思辨发言

图8 精彩思辨瞬间（1）

图9 精彩思辨瞬间（2）

编辑：徐翔宇

审核：吴天星