英国成年人在社交媒体上的活跃度持续下滑。据英国电信监管机构Ofcom最新数据显示,目前仅有一半用户会主动发布内容,且认为上网利大于弊的人数也在减少。
Ofcom对一批成年人的媒体使用情况及态度进行了调查,结果发现,主动在社交媒体上发帖、分享或评论的用户比例,已从2024年的61%下降至49%。其余用户大多只是给他人的帖子点赞,或仅浏览内容而不互动。
除了主动发帖行为减少之外,调查还发现,主动探索网页、访问新网站的成年人也在减少。Ofcom认为,这表明用户正变得越来越被动,参与感也在下降。
造成这一行为转变的潜在原因之一,是人们正越来越多地采用"一站式"上网方式,将生成式AI聊天机器人用于工作、学习和获取推荐等多种用途。
不过,仍有九成网络用户在使用至少一个社交媒体平台,在16至34岁年龄段中,这一比例更高达97%。发消息和语音通话仍是最常见的上网活动,但年轻人观看视频的频率远高于年长群体。
在调查中,目前仅有59%的受访者认为上网的好处大于风险,而去年这一比例为72%。只有36%的社交媒体用户认为这些平台对其心理健康有益,67%的用户表示自己几乎每天都会在网上花费过多时间。
在对网络信息的信任度方面,结果喜忧参半。Ofcom数据显示,85%的人表示会通过"主流"媒体获取新闻,但仅有19%的人表示始终信任这些信息,同样有21%的人则始终对其准确性持怀疑态度。
或许并不令人意外的是,超过一半的社交媒体用户表示,他们在过去一年中曾看到过虚假或误导性新闻。在核实新闻准确性方面,43%的人会与其他信息来源进行比对,类似比例的用户会查阅原始来源,约40%的人则通过查看评论区来判断内容的可信度,这表明其他用户的反应会影响人们对某篇帖子或文章的信任程度。
在AI工具的使用方面,目前已有54%的成年人在使用,而去年这一比例仅为31%。四分之三的受访者表示,他们至少有时会阅读AI生成的搜索摘要,但57%的受访者表示,与人类撰写的内容相比,他们对AI生成内容的信任度更低。
Ofcom还发现,仍有6%的成年人在家中没有任何形式的网络接入,这一离线群体中老年人占比明显偏高,其中83%为65岁及以上。与此同时,19%的成年人仅通过智能手机上网。
Ofcom发布的《成年人媒体使用与态度报告》数据来源于一项媒体素养追踪调查,共有7533名16岁及以上的成年人参与,调查时间为去年9月至11月。
Q&A
Q1:Ofcom调查显示英国成年人社交媒体发帖比例下降了多少?
A:根据Ofcom的调查,英国成年人主动在社交媒体上发帖、分享或评论的比例,已从2024年的61%下降至49%,降幅达12个百分点。其余用户大多只是点赞或浏览内容,而不主动参与互动。
Q2:英国成年人对AI工具的使用情况如何?
A:根据Ofcom调查,2025年已有54%的英国成年人使用AI工具,相比去年的31%大幅增长。其中四分之三的受访者表示至少有时会阅读AI生成的搜索摘要,但57%的人表示对AI生成内容的信任度低于人类撰写的内容。
Q3:英国成年人对网络信息的信任度现状如何?
A:调查显示,目前仅59%的英国网络用户认为上网利大于弊,低于去年的72%。在新闻信任方面,85%的人使用主流媒体获取新闻,但仅19%始终信任其内容。此外,超过一半的社交媒体用户在过去一年中曾接触过虚假或误导性新闻。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。