如今，每天有数以亿计的短视频被上传到内容平台。但是当一则短视频发布后，面对海量信息，推荐系统需要判断：这条视频讲述了什么，应该推荐给谁?我们如何通过精准赋予标题，让视频获得更多观看?

近日，北京中关村学院孙辰朔副教授与合作者围绕生成式人工智能如何改善平台内容发现与推荐，开展了一项大规模随机实地实验。研究在中国一家领先的短视频平台进行，覆盖超过204万名内容创作者和1070万条视频，其中约102万名创作者可以在发布视频时使用AI生成标题。

研究发现，向创作者提供AI生成标题，整体上使视频有效观看次数提升1.6%，观看时长提升0.9%。但AI带来的价值并不只是“自动生成一个标题”：直接照搬AI标题的效果并不理想，真正表现更好的是创作者在AI建议基础上补充情境信息、加入情感表达的人机共创模式。

该工作已被第27届ACM经济学与计算会议(ACM Conference on Economics and Computation，EC 2026)接收。

论文标题：The Value of AI-Generated Metadata for UGC Platforms: Evidence from a Large-Scale Field Experiment

论文地址：https://arxiv.org/abs/2412.18337

为什么要研究AI生成标题?

在短视频等用户生成内容平台上，每天都有海量新内容被上传。面对数量庞大的视频，推荐系统首先需要判断：这条视频讲了什么，又应该推荐给谁?视频标题和标签属于内容“元数据”。它们虽然不像画面本身醒目，却是推荐系统识别内容主题、理解具体情境并完成用户—内容匹配的重要依据。

但现实中，平台普遍面临元数据稀疏问题。研究所使用的平台数据显示，在实验开始前，只有60.7%的视频带有标题。

原因并不复杂：撰写标题需要额外时间，标题在观看界面中并不显眼，创作者也可能低估标题对推荐系统的作用。如果平台强制填写，又可能提高发布门槛，影响内容供给。

多模态生成式AI提供了一种新方案：系统可以读取视频画面和画面文字，自动生成标题。但随之而来的问题是：AI生成的标题，真的能帮助平台把视频推荐给更合适的用户吗?平台应该完全自动生成，还是让创作者在AI基础上继续修改?

这项研究试图为上述问题提供来自真实平台的大规模因果证据。

研究做了什么?

我们与亚洲一家领先的短视频平台合作，在真实的视频发布页面上开展随机实地实验。实验覆盖2,048,033名至少发布过一条视频的创作者。其中：1,024,940名创作者被随机分入实验组;1,023,093名创作者被随机分入对照组。实验期间，两组创作者共发布10,738,984条视频。

实验组创作者上传视频后，可以在标题输入框中看到系统自动生成的标题，并自行决定直接采用、修改或删除。对照组创作者则只能自行撰写标题。

平台的AI工具会从视频中抽取多个画面，识别物体、场景、字幕和其他文字信息，再通过经过微调的多模态大语言模型生成标题。

观众端不会显示标题是否由AI生成，标题本身在观看界面中的位置也相对不显眼。因此，实验观察到的消费变化，更可能来自推荐系统对视频内容理解和匹配能力的改善，而不是标题直接吸引了观众。

我们看到了什么?

1. 创作者如何使用AI标题?

面对AI生成的标题，创作者表现出三种主要互动模式：

(1)拒绝AI标题：3.2%。创作者删除AI标题，并将标题栏保持为空。

(2)直接采用：59.5%。创作者原样接受AI标题，或者只调整标点和格式。

(3)人机共创：37.3%。创作者在AI标题基础上进一步修改。其中：情境修订占21.0%，主要补充具体地点、产品属性、事件背景等信息;情感修订占16.3%，主要加入个人感受、主观评价或情绪表达。

这说明，生成式AI进入内容生产流程后，并没有简单替代创作者。相当一部分创作者把AI输出视为初稿，再利用自己掌握的背景信息和表达意图进行完善。

2. AI标题整体提升了视频消费

实验结果显示，与对照组相比，获得AI标题工具的创作者所发布的视频：有效观看次数提升1.6%;总观看时长提升0.9%。

这一比例看似有限，但实验覆盖超过1000万条视频。在大型内容平台上，较小的平均提升汇总后也可能转化为可观的新增观看量和使用时长。更重要的是，这一结果来自真实平台上的随机实验，而不是实验室模拟或简单的上线前后比较。

3. AI帮助推荐系统更准确地“找人”

为了检验推荐准确性，研究进一步分析了93,618,096条用户—视频推荐记录。结果显示，与对照组视频相比，实验组视频的用户互动预测准确性均有提升：

• 分享行为的AUC由0.823提高到0.848;

• 点赞行为的AUC由0.892提高到0.921;

• 关注行为的AUC由0.867提高到0.887。

这表明，AI标题的主要作用不是直接说服观众观看，而是为推荐系统提供更完整的内容线索，帮助算法判断视频适合什么样的用户。研究还排除了平台额外增加曝光、实验组视频挤占对照组观看等替代解释。

4. AI首先解决了“有没有标题”的问题

研究将AI标题的价值分为两个部分：

• 覆盖效应：AI能否减少标题和标签缺失。

• 质量效应：在已经有标题的情况下，AI标题是否优于人类标题。

在覆盖效应方面，AI表现出了明显价值。获得AI标题工具后：视频拥有标题的概率提高41.4%;标题中包含标签的概率提高72.4%。这意味着，即使AI输出并不完美，它仍然可以大幅减少没有标题、没有标签的视频，为推荐系统提供最基本的内容信息。

5. AI标题并不天然优于人类标题

覆盖率提高，并不意味着AI生成的标题本身具有更高质量。在控制创作者和视频特征并匹配可比样本后，研究发现：对于本来就拥有标题的视频，实验组视频的有效观看次数低37.9%，观看时长低32.6%。

换句话说：AI擅长快速填补空白，却未必能够直接替代人类完成高质量表达。视频画面可以告诉模型“画面里有什么”，但创作者还掌握许多模型无法看到的信息，例如具体地点、事件背景、创作目的、个人情感和目标受众。如果AI仅根据画面生成一个表面合理的标题，就可能遗漏对推荐十分重要的细节。

6. 真正表现更好的是人机共创

进一步分析显示，与对照组视频相比：

• 补充情境信息的标题，对应的有效观看次数高22.4%，观看时长高20.4%;

• 加入情感表达的标题，对应的有效观看次数高21.3%，观看时长高21.8%;

• 直接采用AI标题的视频，有效观看次数低49.4%，观看时长低41.9%。

这一结果揭示了一个关键区别：AI的价值不一定体现在直接提供最终答案，而可能体现在为人类提供一个可以继续完善的起点。AI能够快速识别画面中的基本对象和场景，人类则能够补充具体情境、个人经验和表达意图。二者结合后形成的标题，包含更丰富的语义和推荐线索。

7. AI还发挥了“灵感触发器”的作用

研究收集了1,925名实验组创作者的开放式反馈。许多创作者提到，AI标题能够提供初步思路、缓解不知道写什么的困难，并提示新的表达方向。研究将这种作用称为“灵感效应”。

文本分析也显示，创作者对AI标题进行情境或情感修订后，标题在词汇密度、多样性和信息丰富程度方面表现更好。因此，即使最终标题与AI初稿差异很大，AI仍可能作为创意催化剂，推动创作者形成更丰富的表达。

这项研究告诉了我们什么?

这项研究的结论，并不是简单的“AI生成标题有效”或“AI生成标题无效”。一方面，AI可以降低标题生产成本，减少元数据缺失，使推荐系统获得更多可用信息。另一方面，直接生成的AI标题可能缺少具体情境、个人经验和情感信息，质量未必能够超过人类标题。二者结合后，平台更合理的路径并不是完全自动化，而是：由AI提供初步建议，由创作者进行判断、补充和完善。

这也说明，人机共创并不是从人工生产走向完全自动化过程中的临时阶段，而可能是一种能够长期创造价值的独立生产模式。

研究的意义：

1. 从“生成给人看的内容”走向“生成给算法用的信息”

过去对生成式AI的讨论，大多关注广告、文章和图像等直接呈现给用户的内容。本研究关注的视频标题，更重要的功能是帮助推荐系统理解内容。这表明，生成式AI的商业价值不仅来自改变消费者直接看到的内容，也可能来自改善平台内部的数据基础和算法运行。

2. 揭示AI影响内容消费的新机制

AI标题主要通过减少元数据稀疏、提高推荐准确性来改善用户—内容匹配，而不是通过标题本身直接吸引观众。在推荐驱动的平台中，AI的价值可能隐藏在用户不容易察觉的后台环节。

3. 解释人类为什么仍然不可替代

AI可以识别画面中的物体和场景，但创作者拥有模型无法完全观察的信息，包括具体背景、创作目的、情感体验和目标受众。人类修订的价值，正是把这些信息重新注入AI生成的标题中。

不止于短视频：潜在应用场景

• 内容平台的冷启动推荐：AI可以为新发布、尚未积累互动数据的内容生成基础标题和标签，帮助推荐系统初步理解内容。

• 新手创作者辅助：AI可以为缺乏标题撰写经验的创作者提供初稿和表达方向，降低内容发布门槛。

• 电商平台商品信息完善：AI可以补充缺失的商品标题、属性和描述，再由商家结合产品特点进行审核和修订。

• 平台人机协作产品设计：平台可以向创作者展示AI建议并保留修改空间，而不是将AI输出直接、自动地写入推荐系统。

下一步：从“自动生成”走向“协同增强”

目前的AI标题主要根据视频本身生成。未来可以进一步结合创作者历史、受众特征和过去的内容表现，研究不同类型的元数据如何共同改善用户—内容匹配。生成式AI进入内容平台之后，真正重要的问题或许不再是“AI能否代替人写标题”，而是：平台应当如何设计人机协作流程，使AI的效率与人的情境知识、判断能力和创造力形成互补。

从“自动完成任务”走向“增强人的创作”，可能是生成式AI在内容平台上释放长期价值的关键路径。

作者团队信息

本文由北京中关村学院副教授孙辰朔与Xinyi Zhang(新加坡国立大学)、Khim Yong Goh(新加坡国立大学)和Renyu (Philip) Zhang (香港中文大学)合作完成。

孙辰朔副教授目前负责中关村两院AI+经济金融方向，带领团队聚焦AI+智能经济相关研究。