TikTok的"为你推荐"页面（FYP）是这款短视频平台的默认主界面，提供个性化的算法驱动内容流。与其他社交媒体平台不同，TikTok的算法不仅依赖点赞、关注等显性信号，还高度依赖用户观看时长等隐性行为信号。总体而言，这套算法在预测用户感兴趣内容方面表现相当出色。
然而，不少用户反映，TikTok强大的推荐算法似乎对负面反馈并不敏感——即便他们跳过某个视频，或点击"不感兴趣"按钮，同类内容依然频繁出现在FYP中。东北大学的计算机科学家们对此展开了系统性验证。他们的最新研究论文显示，用户的互动信号确实会对算法产生影响，但效果往往只是暂时的。一旦用户停止持续反馈，算法会逐渐"故态复萌"，将之前屏蔽的内容重新推送回来。
该研究团队专注于"算法审计"工作，论文共同作者Piotr Sapiezynski告诉Ars Technica，研究目的是更深入地了解在线平台的运作机制——"它们如何运作、如何失效、何时失效，以及如何伤害个人和社会"。在本项研究中，他和合作者们在收到大量TikTok用户的反馈后，开始深入审视用户的实际控制权。这些用户表示，无论是点击"不感兴趣"按钮，还是表示不想看到某类视频，负面反馈似乎都无法将相关内容从FYP中移除。Sapiezynski表示："另一方面，如果这个功能根本不起作用，平台为何还要提供它，这一点令人费解。"
研究团队没有采用计算机模拟方法，而是直接在TikTok移动应用上创建了机器人账号进行实测。共同作者Levi Kaplan向Ars Technica介绍："我们使用模拟设备创建账号，并通过代码自动干预TikTok算法，利用这些'马甲'账号进行实验。我们的方法是通过拦截网络流量获取元数据，再使用大语言模型进行决策判断，且所有大语言模型的输出都经过了人工验证。"
谈及账号模拟的研究方法，Sapiezynski解释道："我们的基本逻辑是，如果需要数据，就必须自己动手获取。即使使用TikTok官方的研究者API，也无法覆盖用户控制权相关的内容。你只能看到平台上有哪些内容，却无法查看单一用户的时间线，也无从了解算法如何响应某位用户的观看行为。同样，欧盟的研究者数据访问机制提供的也只是聚合数据，无法从单个用户视角进行分析。因此，真正研究个性化推荐，聚合数据是远远不够的。"
研究团队在90个克隆账号上多次运行实验，通过隐性和显性信号的对比，观察TikTok算法在FYP推荐内容上的响应变化。研究聚焦于三类热门话题：烹饪视频、健身视频和体育博彩。
实验结果显示，"不感兴趣"按钮的效果最为显著，可将不需要的内容减少约84%，而单纯跳过视频的效果仅为48%。Kaplan表示："所以，如果不想看到某类内容，应该主动点击那个按钮。"但研究人员也指出，"不感兴趣"选项在界面上被刻意隐藏，用户不容易找到。此外，算法极易"复发"——只要用户短暂地再次与此前不感兴趣的内容产生互动，FYP就会重新被这类内容占据。
Sapiezynski解释道："结果表明，算法在初期是有响应的。当你开始表示'不想看这类内容'时，平台确实会减少此类内容的推送。但随后，平台会慢慢将这些内容重新塞回你的信息流。如果你没有持续表达'我真的不想看'，这类内容可能会反弹回最初的水平。换句话说，平台确实会响应你的负面反馈，但同时也非常敏感地捕捉你的实际行为——如果你再次看了这类内容，平台就会继续向你推送越来越多的同类视频。"
简而言之，要真正管理好TikTok的FYP，用户必须持续、主动地给出反馈，保持高度警觉。研究团队表示，希望未来能在真实用户数据上对这一结论进行进一步验证。Kaplan也指出："我们可以教用户更好地使用平台，但归根结底，你与平台交互的方式，始终受制于平台底层的设计逻辑。"
本研究已发表于第二十届AAAI网络与社交媒体国际会议论文集（2026年），DOI: 10.1609/icwsm.v20i1.42688。
Q&A
Q1：TikTok的"不感兴趣"按钮真的有用吗？
A：有用，但效果是暂时的。研究表明，点击"不感兴趣"按钮可将不想看的内容减少约84%，而仅仅跳过视频只能减少48%。但问题在于，一旦用户停止持续反馈，或者短暂地再次与该类内容互动，算法就会"复发"，把之前屏蔽的内容重新推回FYP。因此需要持续、反复地给出负面反馈才能维持效果。
Q2：东北大学研究团队是怎么研究TikTok算法的？
A：研究团队没有使用计算机模拟，而是在真实的TikTok移动应用上创建了90个机器人账号，通过模拟设备和代码自动与算法交互。他们拦截网络流量获取元数据，并使用大语言模型辅助决策，同时结合人工验证。研究聚焦于烹饪、健身和体育博彩三类话题，对比隐性行为信号与显性反馈信号对推荐结果的影响。
Q3：为什么TikTok算法会无视用户的负面反馈？
A：研究指出，TikTok算法对负面反馈的响应是短期的，平台在设计上更倾向于捕捉用户的实际行为信号。只要用户稍微停留在某类内容上，算法就会将其解读为感兴趣的信号，并重新加大推送力度。此外，"不感兴趣"按钮在界面上被刻意隐藏，用户难以方便地使用，这也影响了负面反馈的整体效果。
