我让大语言模型参与了该决策的可行性分析。 首先，是研究可能存在的风险，提示词是： 在论坛讨论中，一些人会发表一些不友善的言论，为减少不友善的发言，我设计了一个友善度系统，大家可以对不友善的言论予以标记，当一个人不友善度比较高，社区管理员就对其采取惩戒措施。请预测、评估这个系统的实际运行效果，是否有可能导致适得其反的效果？或者该机制被滥用的风险？ 然后，对该机制，进行了模拟，以评估效果，提示词如下： 请根据你完善的机制，通过建立各类角色，模拟运行友善度机制，并评估机制运行效果。 ==== 以下为模拟结果： 模拟结果证明：只要守住「不搞民粹投票、只罚客观恶意、全流程复核、反制滥用」四条底线，友善度系统可以： 有效压制公开不友善发言 不扼杀理性、尖锐、对立的正常讨论 基本杜绝立场刷标、恶意滥用 不会出现 “越管越乱、越管越僵” 的反噬 唯一代价是需要少量人工复核成本，但这是社区健康的必要投入。

@PrinceofInj 陶片放逐是强制的，和友善度的机制完全不一样。好的环境，需要好的治理。

@YFZZ 制度一旦建立就存在滥用的风险。因此，不能简单的扣分，需要一套完善的制度。另外，帮助他人的情况比较少，会导致制度建了用不起来的情况。

@docx 是的，政策一旦制定就会有滥用的风险，因此必须形成一整套的机制，而不能是简单的扣分。

没什么意义，电商都没几个真的评论。 你可以 评论/回复 他人的言论，但不需要 评价 他人。

不乐意看、让你体验差的人，使用 Block 功能屏蔽掉就好了。而不是增加复杂度，然后大众审判--多数人的暴行。 ----- 不同人在不同主题下表现出来的行为和状态都是不一样的。 抛开恶意评价，单纯谈论人对于好/坏的评价行为，大部分人是会更加趋向于操作恶评，而不是操作好评。 想一下你在网购、点外卖的时候有多少次是会想主动给好评，以及多少次会想到给差评。 比如你在所有的场合下都表现的非常友善。但是在一个热门贴中在前排发表了自己的意见，不过有 5% 的人觉得你说的不对。 但因为你在前排，那么会被大部分人直接看到。那么按照 V 站日活用户和热门贴的日浏览来计算。你可能会被超 100 人左右评价为“不友善”，如果出现这种场景下你会是什么感觉。

想做道德判官?

这个想法，宛如初出茅庐的大学生。

现在敏感词已经做的很好了。不需要刻意费劲做什么惩戒功能。戾气会传染。对不当言论的屏蔽是最好最有效的解决办法。

一个人说了一些唱衰的话，然后他被多数人处死了。若干年以后，他的话应验了。但是没有人为过去负责，他也不会复活。人的理性是有限的，所以没有完美的制度的。