离婚不是刑事案件，离婚是在法院调解，遵循的是双方自愿，平等的基础上签订离婚调解书。

像燕冬萍事件中的哥们一样，女方说什么都同意，法官如何帮你争取利益，更何况是线上庭审，没有私下交流的机会，总不能隔着网线给你递纸条吧？

人不自救天难佑，人不自渡无人渡。

八分钟的故事具备了起转承合全部特征，女主一个微笑收尾，完成了剧情的逆转

女人们已经摆脱了枷锁

有些男人们还活在一百年前

哀其不幸，怒其不争啊

多了解一些西藏的农奴制

发现那就是当代奴隶制

只不过披了或者宗教的外衣，或者爱情，亲情的外衣

了解西藏奴隶制

再看北京雍和宫

看五体投地参拜布达拉宫的人

都有一种特别的感觉

包括看清宫剧中那些自称奴才，到处下跪的大臣

中国近现代婚姻模式不知道怎么演化的

虽然不是往奴隶制度上演化了，但也变化不小

从100多前年一夫多妻演变成了一夫一妻，现在有继续往“多妻多夫”，“一妻多夫”演化的趋势

100多年前家庭关系，会优先保证每个男性都有孩子，多妻是为了保证有孩子出生。离婚经济倾斜于男方，这样男方可以养孩子，再娶再生再养

现在的家庭关系看着要继续演化的方向，会优先保证每个女性都有孩子，优先保证女性婚姻自由。离婚经济倾斜，很大程度也是为了保证女性抚养孩子的能力。那么“多夫”是为了找到更好的经济来源，每生一个孩子都可以要一份抚养费。

回头看这个大趋势，保证一夫一妻的孩子出生最好的时间段，就是二十世纪后半段和二十一世纪前20年。这个时间段刚刚过去。

因为这个时间段刚刚过去，所以还是有大量的人思想还停留在这个时间段。想过一辈子“一夫一妻”生活的人，也是可以通过大量筛选找到的对方

不过男女双方筛选量一旦过大，似乎就是“多夫多妻”了。

这真是个悖论。

视频中这男的，选了个“多夫”理念的人生活，不仅积蓄被掏空，还背上了十几年的长期债务。不过这个其实不算惨。更惨的是，孩子长大后大概率不会认为是他抚养长大的，因为钱不是从他手里花出去的。

所以现在事已至此，最主要的还是，要定期带孩子。要让孩子明白每月抚养费是用来抚养自己的。

这个问题非常经典，其实就是“全女回声室”的一个演化典型——一旦你的方向和回声室中的共识相悖，那么就会付出惨重代价。成鸿宇的遭遇就是最典型的一个案例。

以及，根据目前的形势，“某个性别+武力=某个性别+违反世俗意义上的规则”这一公式很快将会再度验证。

首先，我们将这几年的事件联系起来，从目前在这方面的海量例子中，我们能得出一个初步结论：回声室目前的共识是“有男不帮”。

然后，关于回声室，我们可以看看New Media & Society在2024年6月的这篇文章，里面说的是回声室之间声音的关系。

社交网络里，已经开发出了大量用于衡量网络隔离和极化程度的指标。如何衡量意见领袖关注者的同质性呢？可以使用以下公式：

$\text { Homogeneity of Followers }{ }_{j, p=P}=\frac{1}{n_j} \sum_{i=1}^{n_j} \frac{\text { edges }_{i, p=P}}{\sum_{p=1}^7 \text { edges }_{i, p}}$\text { Homogeneity of Followers }{ }_{j, p=P}=\frac{1}{n_j} \sum_{i=1}^{n_j} \frac{\text { edges }_{i, p=P}}{\sum_{p=1}^7 \text { edges }_{i, p}}

唔姆，如图所示，以上是为直观起见提供的例子。在这里，关注者1关注了来自两个集群的五位意见领袖（A、B、C、D、E）：（D 和 E）和（A、B、C）。她与两个集群的联系份额分别为 0.4 和 0.6。另一位用户，关注者2，只关注A。转向A，她被两个关注者关注，没有其他人关注。因此，她的同质性度量等于她的关注者与她所属政党的联系的平均份额：（0.6+1.2）/2=0.8。这表明，在所有意见领袖中，该意见领袖的平均追随者 80% 的联系人都只追随该意见领袖自己。

实验于2018 年 10 月收集了中 462 名活跃在Twitter 上的的意见领袖的178万名粉丝的数据。利用他们与联邦议院的540万个联系，实施了同质性测量。

唔姆，如图所示，以上是各集群意见领袖的追随者中坚定关注者的百分比。该图显示了各集群意见领袖坚定关注者所占比例的密度估计值。结论很明显，该图证明了AfD，一个偏向保守的集群的高网络同质性水平，显示坚定的关注者占大多数AfD关注者的55%到75%，而在其他集群中，他们所占的比例要低得多。^[1]

什么是坚定关注者呢？举个例子，如果你只关注了思辩，没有关注其他人，每天24小时盯着主页刷新，认定“温柔的思辩姐姐是樱小路露娜”，那么就是一个坚定关注者，如果你不只关注了思辩，而且关注了其他人，那么恭喜你，你“有自己的生活”，而不是一味盲从我。

回到这个问题，有没有证据，证明法院里这群人的倾向呢？我认为是有的，最经典的一个例子如下：

这件事在大洋彼岸的镜像版，其实就是我要举的例子。

那么，为什么在该类回声室中，形成了“有男不帮”的极强共识呢？

我们可以看看Information Sciences在2023年4月的这篇文章，里面说的是将标签传播算法引入传统的意见动力学模型Hegselmann-Krause中，去说明社区内部信息和最终结构的关系。

什么是Hegselmann-Krause模型呢？

从心理学角度看，个体的观点只会受到其置信阈值内的观点的影响。基于此理论，研究者提出了有限置信模型，即个体在观点足够接近的前提下进行交流。HK模型就是一个经典的有限置信模型。

LPA 是一种具有简单算法逻辑的社区检测代表性方法。LPA 算法适用于代理之间存在某些联系的社交网络。代理的邻居是与代理有直接关系的人。例如，在合作科学家网络中，如果科学家有合著论文，那么他们之间就有联系。

唔姆，如图所示，以上是标签传播示意图。随着代理逐个更新，紧密连接的代理将获得相同的标签。

标签传播的概念很好地描述了社区检测过程。由于每个代理最初都有一个唯一的标签，先前的迭代使一些小的节点组获得相同的标签。这些具有相同标签的群体随后获得动力并试图吸收更多节点以加强其群体。

唔姆，如图所示，以上是LPA-HK 模型中标签更新的四个示例。代理i的邻居的标签权重以红色数字标记。代理i将选择标签权重总和最大的邻居的标签作为其新标签。如果有多个这样的标签，则随机选择其中一个。

简单一点说，模型的流程如下：

我们可以按照以下步骤描述LPA-HK模型。

• （1）初始化。分配一个唯一的标签和一个实数 $x_i(0) \in[0,1]$x_i(0) \in[0,1] 最初作为网络中每个代理的意见。
• （2）迭代。集合t=1。
• （3）代理的随机排列。随机排列网络中的代理。
• （4）标签更新。对于按上述顺序选择的每个代理，选择标签权重总和最大的邻居的标签作为代理的新标签。
• （5）意见更新。每个代理的标签更新完成后，代理的意见将根据邻居的意见进行更新。
• （6）停止标准。如果每个代理都拥有其邻居的标签，且标签权重之和最大，并且所有代理的意见不再改变，则终止算法。否则，设置t=t+1然后继续。

我们通过模拟分析 LPA-HK 模型，重点关注模型参数对意见动态和社区检测的影响。为了更好地揭示模型特征，我们将模型应用于经常用于社区检测问题的真实社交网络案例。我们设置置信水平ε和邻居的可信度μ以0.01为步长从0变化到1。对于每个代理，我们在初始时刻分配一个唯一标签，并从区间中随机选择一个实数[0，1]作为初步意见。为了消除随机性的影响，我们在相同条件下进行了100次实验并取平均值。

置信水平和本文无关，所以重点关注邻居可信度。

为了检验邻居可信度对群体意见演化的影响，我们固定置信度的值，将LPA-HK模型应用于Zachary’s Karate Club网络。在同样的实验条件下，设置ε=0.4并将LPA-HK模型的观点演化与经典HK模型进行了比较。

唔姆，如图所示，以上是网络群体意见的演变。（a）ε=0.4，μ=0.1；（b）ε=0.4，μ=0.5；（c）ε=0.4，μ=0.9。纵轴代表意见空间[0，1]，横轴代表演化时间。细红线表示LPA-HK模型，粗蓝线表示经典HK模型。结论很明显，μ也会导致群体意见向共识演变。当μ较小时，代理人最终意见的分布在 LPA-HK 模型和经典 HK 模型之间表现出很大差异。与经典 HK 模型相比，LPA-HK 模型的意见更加多样化。然而，随着μ逐渐增加，最终两个模型的观点演变轨迹几乎重合。

为了进一步分析观点的演变，使用蒙特卡洛方法，绘制了代理最终观点分布的方差均值ε，在不同价值观μ下。对于每组参数，在相同条件下进行了100次实验，并记录结果。

唔姆，如图所示，以上是实验结果。当群体的置信水平一定时，较小的μ会得到较大的意见分布方差，此时LPA-HK模型中的意见分布在意见空间中更加分散。另外，当μ较小，人口εc较大。这是因为当μ较小时，智能体对不同社区邻居的意见接受度较低，从而阻碍群体向共识演进。

唔姆，如图所示，上图是书籍网络最常获得的分区图。（a）图表示原始的美国政治书籍网络分区；（b）图表示ε=0.9和μ=0.5数字表示进化结束时节点的意见，节点的颜色代表其所属的不同社区。下图是博客网络最常获得的分区图。（a）图表示原始博客网络分区；（b）图表示ε=0.9和μ=0.5. 节点的颜色代表其所属的不同社区。模拟结果表明，我们的模型可以揭示网络中节点的属性，当ε很大，网络中紧密相连的部分影响和吸收周围的智能体，形成一个社区，最终同一个社区内的智能体会达成相同的意见（我们在上一节中假设，如果两个智能体的意见值差异不超过0.2，则可以认为它们是一致的）。^[2]

回到这个问题，我们可以初步猜测，各地的法院，会把同类例子之间进行合集，在后面碰到相似的例子时，比较倾向就会按照前面的例子去进行判断，最后的结果就是今天这幅“世界名画”。一句话概括，该类工作者之间的社区模块化较强，因此很容易得出相同的意见。

那么在这种规则下，不建议男性在对自己不利的规则下进行博弈，最起码的是，要让自己进入社区间的中间地区，这样才能保证形成支持自己的声音。

参考

1. ^Rusche, Felix. "Few voices, strong echo: Measuring follower homogeneity of politicians’ Twitter accounts." new media & society 26, no. 6 (2024): 3514-3540.
2. ^Yuan Peng, Yiyi Zhao, Jiangping Hu, On The Role of Community Structure in Evolution of Opinion Formation: A New Bounded Confidence Opinion Dynamics, Information Sciences, Volume 621, 2023, Pages 672-690, ISSN 0020-0255, https://doi.org/10.1016/j.ins.2022.11.101.

小红书救不了基本盘的时候，就别怪基本盘拿起了小绿本。

才出了“王慧玲”、“成鸿宇”、“19岁女生被扔高速”这么多名人轶事

现在又来个“燕冬萍”

我都忙不过来了！

一个谭竹，让重庆喜提“捞都”的名号，

现在压力给到了安徽铜陵。

四川，重庆，黑龙江，吉林，辽宁是上交工资重灾区。保重哦。

我们山东保留着三天不打上房揭瓦的底线。

哈哈哈哈哈哈哈哈

大批网红正在赶往燕冬萍家的路上……

唯有一种人例外 ，那就是极度自私的人 ，这种人只会把孩子当工具 ，参考梅艳芳的妈妈 。

基本不能指望极度自私的人对孩子负责任 ，不管男人女人极度自私 ，必然是不值得托付的，所以留存财产 ，也是为了孩子的未来 。

你手上有资产 ，孩子的未来就不会吃苦 ，而你如果全给了这种人 ，吃亏的不是你 ，而是孩子 。

只能说纳兰嫣然的含金量还在继续上升。

人家纳兰嫣然退婚嘴臭萧炎不假，但纳兰嫣然又不靠着萧炎的钱过日子，她为了退婚还愿意加倍补偿，而且就纳兰嫣然的天赋，她自己就能活的挺滋润。

纳兰嫣然和现在这些不知所谓的东西比起来，真的可以作为新时代独立自主女性的典范了。

现代的婚姻制度，也就是一夫一妻制。一夫一妻制既不保护男人，也不保护女人。保护的是精英阶级，但最大程度受限制的是男性。

随着生产技术门槛的提高，普通人创造的社会财富越来越少，社会财富的分配必然会越来越不平均，这个时候统治阶级只能让性资源绝对平均，满足普通男性。因为历史已经证明，没有配偶和不确定子女是不是亲生的男性是社会动荡的决定性因素。

因此，在现代国家的婚姻法只要被执行，男性就是游戏里的怪，女性是玩家，在游戏设计者创造的氛围里刷怪，她们死无数次，都可以复活，但是怪只要死了，就是真的死了。

当然，我不认为今天的局面是女性的错。我16岁的时候也爱过一个36岁的女人，愿意给我花钱，愿意接纳我的一切不完美，而且还修正了很大一部分，我现在20岁，而且我在学业和家庭背景上已经超越了很多同龄人，我还陷在这段感情里。因此，我不认为用软饭剧本捧杀男性，男性会比女性更清醒。这是想借助女性的手转移男性的财富的人的短视和发动群众斗群众的人的阴险。

女性只是他们的工具，等到了矛盾不可调和的那一天，发生关系和哄男人就不是女性自愿的了。