今天，我们需要什么样的算法？

数字化与智能化浪潮奔涌，让算法技术从个性化推荐工具升级为媒体行业的基础性、底层性设施，深刻影响着公众认知形成、社会情绪引导与公共议题设置。与此同时，算法黑箱、信息茧房、训练数据的安全性等问题也日益凸显。在此背景下，主流媒体如何处理好与算法之间的关系，成为重塑影响力的关键。本期“同题共答”栏目聚焦“今天，我们需要什么样的算法”这一议题，约请业界同仁和学者共同探讨，为智媒时代新闻业探索新的价值表达形式和新的发展空间建言献策。

黄云等｜“六层一体”推动主流算法公平公正可控可信

人工智能技术的快速普及与深度应用，使算法成为驱动新闻传播业态变革、重构舆论生态格局的关键要素。在互联网成为主战场、主阵地、最前沿的当下，算法的价值取向、运行逻辑与治理水平，直接关系主流舆论引导力、内容生态安全性。

四川日报报业集团坚持技术创新与内容导向协同发展，2021年推出自主研发的“川观算法”，并将其逐步升级为“灵知”主流媒体算法，深度应用于封面新闻、川观新闻等核心平台。

“灵知”主流媒体算法的探索与实践

“灵知”主流媒体算法体系根植媒体行业真实需求，深度融合大模型、多模态理解、等前沿技术，全面覆盖内容生产、内容审核、内容分发、内容传播全业务场景。

总体架构设计：六层一体化技术体系

“灵知”主流媒体算法整体采用高扩展性、高适应性、高可靠性的六层一体化架构，从底层支撑到上层应用形成全栈式能力覆盖，确保主流价值贯穿技术全流程。

基础设施层作为整个算法体系的运行底座，汇聚媒体行业数据、领域知识库、通用大模型与行业大模型资源，依托混合算力、分布式框架与机器学习平台，为上层算法提供稳定高效的数据处理、模型训练与推理运行环境，确保系统安全稳定运行。

认知智能层聚焦多模态数据理解能力，通过自然语言处理、计算机视觉、音频分析与跨模态融合技术，实现全媒体内容的深度解析、事件识别、情感判断与关联挖掘，为后续价值判断与业务应用提供基础能力。

价值层是“灵知”算法区别于商业算法的核心灵魂，承担着将主流价值观全面嵌入算法运行全过程的关键功能，通过价值标签体系、内容合规审查、算法安全监管、群体行为分析等，确保所有内容生产、推荐分发与传播行为始终符合主流价值导向。

“灵知”主流媒体算法分层架构图。

业务智能层围绕媒体策、采、编、审、发、考全流程业务需求，形成内容生产、智能审核、精准分发、传播分析四大核心能力模块，实现技术与业务深度耦合。

应用层以产品化方式将算法能力对外输出，覆盖智能创作、智媒审核云、主流媒体推荐系统、智能分析平台、区块链版权存证、智能对话机器人等一系列成熟产品。

行业层立足泛媒体发展趋势，将算法能力延伸至政务、文化、教育、文旅等相关领域，构建“主流算法+行业”的扩展模式，实现技术能力跨场景迁移、跨行业复用。

应用场景：全链条媒体业务赋能

内容生产场景，AI驱动高效智能创作。通过全网热点监测、趋势预判与线索自动聚类，为记者编辑提供高价值选题方向；通过信息抽取、实体识别与事件关联，快速整合素材、提炼要点；通过AIGC能力实现大纲生成、稿件撰写、文本转视频等功能，大幅降低劳动强度。

内容审核场景，全模态智能安全防控。“灵知”算法打造以“智媒审核云”为核心的全模态智能审校体系，实现内容安全从被动处置向主动防控转变，从源头杜绝错误信息与违规内容。

内容分发场景，价值引领破除信息茧房。“灵知”算法基于用户长期兴趣、实时行为、场景属性构建动态用户画像，确保重大政策、权威信息、主流价值内容获得稳定曝光；同时，通过人工干预通道，对重点内容进行加权推送，对低质内容进行限流或拦截。

内容传播场景，全链路效果分析与优化。“灵知”算法构建全链路传播分析与效果评估体系，通过用户行为分析、传播路径追踪、舆情态势研判、版权保护支撑等功能，为传播策略优化与舆论引导决策提供数据支持。

经过持续实践与迭代，“灵知”主流媒体算法形成四大鲜明技术特色：一是实现正能量与热流量有机统一，以价值判断校准流量逻辑；二是覆盖全过程与全链条业务，形成闭环智能生态；三是具备多标签与多场景适配能力，可实现跨媒体、跨行业快速迁移；四是构建安全管控与灵活部署双重能力，满足不同机构安全需求与技术条件。

“灵知”主流媒体算法核心应用场景。

“灵知”主流媒体算法面临的挑战与解决思路

尽管“灵知”主流媒体算法在实践中取得明显成效，但在技术快速迭代、行业需求持续升级、受众习惯不断变化的背景下，依然面临一系列深层次挑战，需要在未来发展中持续优化完善。

算法与大模型技术更新速度不断加快，多模态理解、生成式人工智能、可信AI等前沿技术持续演进，对研发持续性、算力投入、人才储备提出更高要求；用户个性化需求与主流价值导向之间的平衡难度持续上升，如何在满足用户个性化阅读体验的同时，确保主流价值内容不被稀释、权威信息不被淹没、公共议题不被忽视，成为算法优化的核心难点；跨行业、跨领域泛化应用能力仍需提升，不同行业的数据特点、业务逻辑、价值标准存在差异，对算法迁移、模型微调、场景适配提出更高要求；算法透明度、可解释性与监管合规要求不断提高，如何在保护核心技术与商业秘密的前提下，提升算法决策可解释性，完善算法公示、算法审计、算法监督机制，满足监管要求与社会期望，成为主流媒体算法必须面对的重要课题。

面向未来，“灵知”主流媒体算法将强化技术创新与协同合作，加强与高校、科研机构、领先企业的产学研合作；深化价值与兴趣双模型融合，进一步优化权重配比与动态调节机制；推进模块化与标准化建设，降低跨场景迁移成本，加快在政务、文化、教育等领域的落地应用；完善算法治理与伦理建设，建立算法公示、算法解释、算法审计常态化机制，推动算法运行更加公平、公正、可控、可信。

“灵知”主流媒体算法的探索与实践表明，主流媒体完全可以走出一条技术先进、价值鲜明、安全可控、高效普惠的智能化发展道路，实现用主流价值导向驾驭算法的目标。

师文等｜协商、融合、共创：在差异中连接起新闻价值

当我们凝视算法时，算法也在凝视我们。在人工智能治理语境中，“价值对齐”常被视为引导算法向善的核心路径，即通过技术手段使算法逻辑向新闻业的价值规范靠拢。然而，当这一范式进入新闻业实践时，却逐渐显露出其内在限度。

困境审视：新闻业与算法价值对齐的失落

逻辑异构：新闻意义体系难以向算法转译

审视新闻业与算法系统各自的底层逻辑，便会发现二者之间存在着极高的转译成本与系统性损耗，新闻生产依托于一套共享的意义体系，深嵌于动态实践之中。而算法逻辑以操作化为根本前提，任何进入模型的变量都必须被转化为可计算的数值或可分类的标签。因此，当平台试图将新闻的实践性标准纳入推荐算法时，语义损耗便不可避免。

新闻实践中的价值判断还具有内在的模糊性与开放性。不同主体之间的解释空间，恰恰为媒体的专业判断提供了必要的操作余地。而在算法语境中，不确定性往往被视为需要消除的噪音，模型更偏好稳定、清晰且可复用的特征表达。由此，那些尚未被充分结构化、却对新闻业至关重要的价值维度，极易在技术筛选中被边缘化乃至直接剔除。可以说，新闻与算法之间并非简单的对齐失败，而是两套异质机制的持续错位：一方致力于意义的生产与协商，另一方则遵循信息的计算与匹配逻辑。

利益分化：媒介内外的多元利益诉求

平台、媒体机构与新闻从业者各自依托不同的制度情境与激励机制，对“何为好的新闻”“何为好的算法”持有异质性的判断标准。平台通过分发结构实质性掌握了内容可见性的分配权：何种内容被看见、以何种方式被呈现、面向何种人群传播，均由算法黑箱所决定。这种规则制定权不仅构成平台的核心资产，也使其具备将平台逻辑置于媒介逻辑之上的结构性优势。在此意义上，“价值对齐”触及的并非技术问题，而是平台商业模式的根基。

不同媒体机构诉求不同。商业媒体关注市场回报，对算法流量既依赖又抵触；党政媒体以舆论引导为核心，其价值锚定于主流议程与权威传播，对流量依赖较低，却高度关注关键内容的触达效果；公共媒体则以公共服务为目标，强调信息平衡与公共讨论，但其深度报道与公共议题内容在算法分发中往往处于不利位置。这种多重制度逻辑的并存，使不同类型媒体在价值坐标上的位置难以统一，也使“需要什么样的算法”这一问题无法收敛为单一答案。

协商真空：黑箱机制下权力结构不对称

平台将算法架构视为核心商业机密，其运行规则始终处于新闻机构的认知边界之外。媒体从业者只能通过内容表现的波动进行逆向推测，却难以获得系统性解释，更无从参与规则制定。与此同时，平台算法并非静态规则，而是在持续学习中不断调整，其优化目标与权重分配随商业环境实时变化。即便平台在特定情境下披露部分机制，这种信息也往往是局部且动态的，难以支撑稳定的规则认知。

更为根本的是，算法的不可解释性并非所有权问题，而是一种结构性困境：只要其运行机制无法被外部理解与审视，权力不对称便持续存在。在这一权力结构之下，所谓的“价值对齐”更像是权力优势方的一种策略性表态，而非真正意义上的共同治理实践。

价值生成：算法语境下的协商、融合与共创机制

我们无需再执着于消除差异的完全对齐，而应将算法视为同样参与新闻业建构的不可忽视的技术行动元，在承认双方逻辑差异无法根除的前提下，考察行动者网络内不同逻辑之间如何展开价值的协商、融合与共创。

价值协商：差异的转译与边界的确认

协商的意义恰恰在于承认差异的同时，寻找不同逻辑之间可供衔接的结构性接口。平台的标签体系并非由内容发布者定义，而是在一定程度上融合了平台预设的内容理解框架与人工标注结果，其并非单纯的技术附属物，而是连接内容语义与分发逻辑的关键中介结构，同时也是人机协作已然发生之处。既然标签本就嵌入了人的判断，在其生成机制中引入新闻专业标准，便具有制度上的可行性。

协商路径的关键在于对标签体系进行结构性重构，使其同时承载行为逻辑与专业逻辑。一方面，算法仍可依据用户互动数据生成动态标签，以维持分发效率；另一方面，引入由新闻机构基于专业标准生成的结构化标签，并在排序机制中赋予其明确权重。两类标签分别作用于分发逻辑的不同层次：前者响应用户行为，后者锚定新闻属性。二者的叠加，使算法在效率之外获得容纳专业判断的空间。

价值融合：建立多元主体的价值对话机制

算法与新闻业之间并非简单对立，而是在“如何组织注意力”“如何维系受众关系”等核心问题上共享着结构性的同构机制。这种同构背后是一种深度的相互依赖，应通过创新机制设计让共同利益从隐蔽走向显性、从消极被动转为主动认同。

其一，转译价值语言，重新界定“流量”。平台算法与新闻业应当共同努力探寻流量与公共性追求的平衡，将“流量”由转赞评这样的单一指标转化为用户长期留存率、高可信内容曝光占比、不同信息类型间的注意力分布均衡度等更加客观、多元、全面的测量方式。

其二，应建立由平台、媒体与学界共同参与的常态化对话机制。在此机制下，平台定期公开推荐系统对公共性内容的覆盖状态，学界提交核心内容的可见性诉求，从业者提供一线采编中的分发偏差案例。通过持续的信息对称与透明化预期，各方在反复互动中逐渐识别出既有助于平台长期留存，又能实现主流议程有效触达，同时令从业者获得职业尊严感的“交集”，为后续的价值共创奠定共识基础。

价值共创：走向人机协同的新闻生产

当算法已深度嵌入新闻生产、分发与消费的全流程，问题的关键不再只是如何驯化或适应技术，而在于新闻业能否主动进入算法的生成机制之中，参与其设计逻辑、运行规则与意义框架的塑造，从而将原本以商业效率为导向的技术系统，转化为承载公共价值的传播基础设施。这一转向意味着新闻业需要同时摆脱两种惯性姿态：一是将算法视为外部威胁而加以排斥的防御逻辑，二是顺应平台规则、以流量为中心进行自我调适的依附逻辑。所谓“共创”，需要以算法作为基础设施的视角重构新闻与算法的关系，使新闻价值理念延伸至信息分发与可见性建构的底层机制之中。

首先，应引入独立且常态化的算法审计机制，对新闻类内容的推荐逻辑、过滤规则与流量分配进行系统评估，并将结果以可理解的方式向社会公开，以此弥补平台自我报告可能存在的盲区。其次，价值共创的深层任务需要在认知层面重新界定算法的社会角色，将其视为类似于电力、交通或通信网络的基础设施，要求其承担普遍服务义务与公共责任。

新闻业与算法既共同面对着组织注意力与可见性的任务，又在意义生成方式与价值取向上保持差异。这种“既连接又分化”的关系，使其难以被任何单一逻辑所整合，却也由此获得了持续演化的可能。实践中反复出现的错位、不对称与摩擦，并不只是需要被克服的障碍，更是不同逻辑得以彼此参照、重新校准的契机。正是在这些缝隙之中，新闻价值以新的形式被表达，算法规则也在回应外部期待的过程中逐步调整自身的边界；也正是在这些缝隙之中，新闻业在算法时代的可能性，才得以真正展开。

（作者黄云系四川日报报业集团全媒技术中心副主任兼全媒体技术与传播认知四川省重点实验室办公室主任，王子健系该集团特聘首席工程师，董晓尚系该集团全媒技术中心首席工程师；师文系暨南大学新闻与传播学院副教授,刘亦琛系该学院硕士生）