可能，没看具体实现。
不过我觉得学简单越好，可以让用户确认为啥会看到某条帖子。减少推特那样的暗箱推荐。这也是回复中William 的担忧。
Discussion
我理解广告垃圾信息的出现，本质上是封闭系统内必然会出现的熵增现象。
无论多么巧妙的算法都只是为了降低该封闭系统内的熵增。
无论何种算法，皆是信息排序组合的方式。
算法本身还是系统的一部分，若其并不从外界引入任何能量的话，仅通过纯粹算法的改进，期望达到系统内熵减的效果，显然是违反了热力学第二定律的。
只有按行为（Behavior）付费，让行为计算自己，按聪（Sats）排序的算法，才是降低系统内部熵增的唯一有效且最佳解决方案。
对于每个用户自己的社交网络，用户都在按照上面帖子描述的方式输入能量，维持一定秩序。
任何行为本身并不具备能量属性，用户并没有动力去输入能量审查广告贴。
即便所有用户会主动愿意参与审查，通过人的智能所控制机器的完全免费广告行为也会淹没普通用户的努力。
即便推荐算法非常智能，也无法对抗广告行为参与者的智能，毕竟前者是未通过图灵测试的自动化机器算法，而后者是真正的人的智能。
或者我们假设人的智能在不断改进推荐算法，但与此同时人的智能也在不断改进发送垃圾广告行为的机器学习能力。两种情况下人所付出努力是完全对等的。
我们把任何行为都完全看成平等的，包括广告行为、垃圾信息（并无法准确定义）、用户行为，它们共同组成了一个能量输入为零（垃圾广告行为消耗了算法和用户审查的努力）的形式系统。该形式系统内缺少外界能量的持续输入，熵增是必然的现象。
所以用户自身行为所输入能量的总和为零，你并不能假设所有用户都会自发地维护秩序而不做任何破坏系统秩序的事情。
在有利可图的情况下，任何一个普通用户都有发送垃圾信息的倾向性，也有不发送垃圾信息的倾向性，二者是完全对等的。
#[1]