最便宜又有效的治理，是好的社群設計，只是它做不大、也撐不久。
守望相助隊：自己的困擾自己解
讓可信任的市民來「打掃」垃圾留言，每個動作都公開、可查核（誰做的、什麼時候、為什麼、有沒有人申訴、複核結果），而且第一版階段規定 AI 不准自動移除。 一週的實驗裡，二十多人總共打掃了 339 則（其中一位「打掃超人」就包辦近九成），被打掃的帳號有 70% 來自四個機器帳號，沒有任何一件申訴。 這些公開的移除紀錄，本身就是訓練模型最可靠的素材，形成「群眾標記 → 餵給模型」的循環。
339
一週打掉的垃圾留言色情廣告 219＋濫用廣告 20
近九成
一位「打掃超人」獨力包辦一人就掃了 304 則
0
被打掃帳號的申訴數其中 70% 來自四個機器帳號
公開紀錄要的不是加重懲罰。它讓刪除、申訴、覆核之間串成一個查得到、攤得開的社群自治循環。
守望隊與機器，互相把對方養強：越掃越強的成長迴圈
群眾協力不是一次性的打掃，而是一個會自我增強的循環：守望相助隊掃出來的每一筆公開紀錄，本身就是訓練模型最可靠的素材。 隊員把標記交給海巡機器人，機器人學會後接手最明確的重複垃圾，再把人力空出來去處理更難判斷的內容。 掃得越多，模型越準，人也掃得越省力——這一棒一棒交下去，整套系統就越掃越強。
第一輪：群眾把公開紀錄交給機器
①
群眾打掃。守望相助隊一則一則移除垃圾留言，每個動作都公開、可查核，這是循環的起點。
②
累積標記資料。每一筆公開移除紀錄，本身就是訓練模型最可靠的素材，這些紀錄會匯整到公開布告欄、進入管理員覆核。
③
訓練／校正模型。集合起來的垃圾樣態餵成新模型，機器升級了：v1 → v2，掃得更準。
④
機器人也打掃。更強的海巡機器人一次接手更多明確垃圾，v2 → v3，把人從重複勞動裡解放出來。
⑤
釋出人力，再回到①。隊員去掃更難判斷的內容，掃出的新樣態又交棒給機器，掃得越多，模型越強。
留言用的是很小的模型（multilingual-e5-small，約一億個參數），偽陽性只有 0.33%； 文章模型再用 大型語言模型（LLM） 像 ChatGPT、Claude 這類能讀寫、理解語言的大型 AI 模型。 校正一次，把偽陽性壓低了 10 倍以上。為了避免誤掃，機器人還裝了煞車： 同一則垃圾要重複出現三次、而且符合垃圾集團（Ring）的樣態，才會出手。
海巡機器人：機器當隊員，但綁上煞車
它自動巡邏，沿用留言模型來偵測。處置分兩級（分數 ≥0.55 送檢舉、≥0.80 才移除，後者預設關閉），再加一道「被推翻率」煞車： 萬一守望隊近期的「被推翻率」超過 10%，機器人就直接罷工。等於把人類的複核，變成一個自動運作的即時安全閥。
≥ 0.55
送檢舉的門檻≥ 0.80 才移除，且預設關閉
> 10%
被推翻率一超標，機器人立刻罷工人類複核＝自動化的安全閥
歷史的失敗：把裁決下放普通人，為什麼難
社區訴訟（2019）敗在抱團拉票、小號灌票；建築師陪審團（2021）撐不到一年就收場，一來「裁決需要的專業被忽略了」， 二來建築師之間也選邊、結成派系，「站方最花時間的，不是訴訟案本身，而是陪審團內部的爭吵與調停」。不過團隊仍然保留了它的價值： 「讓社群決定社群的事，還是很珍貴，只是要想清楚用什麼制度讓它走得久。」
「站方最花時間的，不是訴訟案本身，而是陪審團內部的爭吵與調停。」