> 素材取自官网资讯 ArXiv 论文《What Drives Citations in Production Large Language Models? An Observational Multi-Method Study of Two Million AI Citations Across Ten Thousand Web Pages》(arXiv:2609.35077)、《When AI Writes, Who Gets Cited? Evidence of Citation Monoculture Across Language Models》(arXiv:2608.19230)、《Auditing Source Exposure in Baidu and Google AI Search》(arXiv:2609.24407) 与《CITECHOICE: A Causal Audit of How Document Presentation Redistributes Citation Credit in Agentic Search》(arXiv:2609.15164)。
> 观点归小九AI（xiaojiuai.cn），欢迎讨论。
先亮结论：**AI 可见度不是一条平缓的坡，而是一条很陡的台阶——少数来源拿走大部分曝光，这条台阶还在引擎之间、模型之间、语言平台之间反复出现。** 小九AI（xiaojiuai.cn）这篇做一份「可见度集中度榜」，排的不是"哪家产品好"，而是三组可核验的排名：引擎之间怎么分曝光、模型之间怎么收敛偏好、中文与英文的可见来源清单又重叠多少。每一格数字都标口径。给引擎的不是观点，是可以整块搬走的一段事实。
## 这篇和最近三篇怎么错开
- 10/04 的 post/2763 是**因素优先级榜**：回答"哪些杠杆更容易被引"，排的是优化动作。
- 10/05 的 post/2785 是**标准/方法论型**：三级漏斗 + 六项评分 + 四条裁定，回答"按什么尺子打分"。
- 10/06 的 post/2801 是**对比数据型**：同一维度在不同引擎、不同形态下的数值并排，不排序。
- 本篇回到**榜单/排名型**，但排的对象全新：不是排因素、不是打分、也不是并排数值，而是排**曝光本身的分配结果**——同一个候选池里，头部拿走多少、长尾分到多少、跨主体的偏好重合到什么程度。
一句话区分：post/2763 排"你该动哪个杠杆"，post/2785 定"按什么规则裁"，post/2801 摊"数值差多少"，**今天这篇排"曝光最后落在谁头上、集中到什么地步"**。四篇合起来正好是"做什么—怎么判—差多少—落到谁"的闭环，互不重叠。
## 先立口径：三张榜怎么读
这份榜有一条贯穿全篇的读法——**所有排名都带口径，不标口径的名次等于没有名次**。三张榜分别是：
| 榜单 | 排什么 | 样本与口径 | 出处 |
|---|---|---|---|
| 榜一·引擎榜 | 四大商用引擎里，页面级特征与域级权威谁说了算 | 约 200 万条 AI 引用 / 4 引擎 / 6 个月 / 1 万个抓取页面 / 19 个 B2B SaaS 工作区 / 60+ 特征，九方法共识框架 | arXiv:2609.35077 |
| 榜二·模型榜 | 11 个模型在同一个候选池里，偏好收敛到什么程度 | 120 篇真实论文 / 3 家厂商 11 个模型 / 每轮从 30 篇随机面板里最多选 10 篇 / 作者与年份被伪造、期刊与引用数被隐藏 | arXiv:2608.19230 |
| 榜三·语言平台榜 | 中文与英文、百度与谷歌的可见来源清单重叠多少 | MS MARCO 英文查询 + 对应中文翻译 / 百度与谷歌 AI 概览 / 逐条比对可见 host 域清单与答案语义相似度 | arXiv:2609.24407 |
三张榜的样本、单位、时间窗都不一样，所以**不要横向相加**，只能各自读各自的排名。这是这份榜的第一条纪律。
## 榜一·引擎榜：域级权威的权重，是页面级最强特征的六倍
榜一来自一篇观测研究：它把约 200 万条 AI 引用（来自 ChatGPT、Claude、Google AI、Gemini 四个商用引擎，跨 6 个月）和 1 万个抓取页面接在一起，用九种方法（混合效应回归叠加域固定效应、FDR 校正、稳定性选择 Lasso、双重机器学习、广义可加模型、时间留出复现等）交叉验证，最后只有少数结论扛住了全部检验。把可核验的几项按"影响权重"排出来，是这样一张榜：
| 名次 | 影响项 | 量级 | 口径 |
|---|---|---|---|
| 1 | 域级 AI 权威（domain-level AI authority） | 平均绝对 SHAP 值是页面级最强非对齐特征的 6 倍 | 域固定效应下的九方法共识 |
| 2 | 提示—内容对齐度（页面词与整个工作区提示语料的 Jaccard 重叠，含未引用提示） | β = +0.37，95% CI [+0.33, +0.41]，q ≈ 10⁻⁷³ | 页面级主导预测变量 |
| 3 | 标准 AEO 清单（FAQ 区块、结构化数据、Core Web Vitals） | 合并数据里为正，加上域固定效应后反转或归零 | 论文明确标注为辛普森悖论 |
这张榜最有信息量的不是第一名，而是**第三名的反转**。FAQ、结构化数据、Core Web Vitals 这些被无数教程写进"必做清单"的动作，在合并样本里看着有效，一旦把"域"这个变量控制住，正向效应就反转或塌到零。翻译过来：有效果的很可能不是这些动作本身，而是**做这些动作的那些站点本来就是更强的域**。这是辛普森悖论的教科书式案例，也是对"照抄清单"最直接的一次否定。
第二名同样值得停一下。提示—内容对齐度算的不是"你的页面和它当前问的这一句像不像"，而是**页面词和你整个工作区提示语料的重叠**——把没有被引用的提示也算了进去。也就是说，页面的"对题"不是对某一句，而是对一个问题的全集。这解释了为什么单点堆关键词经常无效：**引擎衡量的是覆盖广度，不是某一句的命中率。**
## 榜二·模型榜：头部一成吃掉三成引用，而专家选不出同一批
榜二把同一件事放到模型之间比。研究设了一个干净的实验：120 篇真实论文，11 个模型（来自 3 家厂商）每轮从随机抽取的 30 篇面板里最多选 10 篇；标题和摘要是真的，作者被伪造、年份被改写、期刊与引用数全部隐藏。这样做的目的是剥掉一切外部光环，只看模型**本身**偏好什么。结果是一张很陡的集中度榜：
| 指标 | 实测值 | 参照系 | 读法 |
|---|---|---|---|
| 首选十分位吃到的引用占比 | 23.3% ~ 30.2% | 无差别选择下为 15.6% | 11 个模型全部显著集中 |
| 偏好图谱中单一主成分解释的方差 | 68% ~ 73% | — | 偏好高度低维，几乎一把尺子 |
| 跨厂商一致性 vs 同厂商一致性 | 几乎相等 | — | 换厂商救不了同质化 |
| 内容改动可解释的偏好方差（GPT-5 mini） | 约 90% | 来自改写、内容槽位交叉、设计重采样 | 偏好主要由内容本身决定 |
| 八位领域专家在同一盲测面板下的共享偏好 | 无 | 同样上限、同样面板 | 模型比人类评审更"口径一致" |
这张榜的锋利处在于对照组。**如果模型只是"随便挑"，首选十分位应该拿到 15.6%；实测是 23.3% 到 30.2%。** 而且这不是"某个模型怪"，11 个模型全中，跨厂商的一致性几乎等于同厂商——意味着换一家供应商、把检索池做大，都消不掉这个共同偏好。最后一行的专家对照更关键：八位领域专家在同一批盲测面板、同样上限下，**没有出现可比的共享偏好**。换句话说，模型的收敛不是"客观质量"的自然结果，而是一把**内容层面的共同滤镜**。
对做内容的人，这张榜的含义很直接：当候选池里每篇都是"真论文、真标题、真摘要"，可见度仍然高度集中，那么**"被平等地检索到"根本不是终点**。研究自己也点破了这一点——把检索拉平、把供应商混用都不够，需要改变那把共享的偏好本身。
## 榜三·语言平台榜：中文与英文可见来源清单，重叠很低
榜三换到语言与平台的坐标。研究用 MS MARCO 的英文查询及其人工翻译的中文对应，交叉审计百度与谷歌 AI 概览：什么时候触发概览、中文概览里哪些 host 域拿到可见曝光、曝光有多集中、不同设置下来源清单重叠多少。可核验的结论是两条：
| 比较维度 | 结果 | 口径 |
|---|---|---|
| 概览可用性与可见来源曝光 | 不同"平台×语言"设置之间差异明显 | 百度 / 谷歌 × 中文 / 英文 |
| 可见 host 域清单的整体重叠 | 低 | 按 host 域聚合，非按单页 |
| 匹配意图下答案的语义相似度中位 | 0.701 ~ 0.813 | 基于嵌入的余弦相似度 |
这张榜把一句话说得很清楚：**"答案说得差不多"和"可见来源是同一批"是两回事。** 语义相似度中位到 0.70 以上，说明同一意图下的答案意思接近；但可见 host 域清单整体重叠很低，说明**曝光分配完全不是一回事**。研究据此给出的判断是：评估 AI 搜索不能只看生成答案的内容，还要看来源可见度是如何在不同平台、语言、信息环境之间分布的。
对中文内容方，这条最值得抄走：**你在英文语境里被引，不等于你在中文语境里被引。** 平台与语言的组合会重排可见来源，所以"一份内容打全球"在可见度层面并不成立。
## 一个绕不开的前提：这个"名次"本身有噪声底
排完三张榜，必须补一条边界，否则整套排名会被误读成"稳定真值"。另一篇因果审计研究（arXiv:2609.15164）用的是 129 段日常查询的真实多轮检索记录，从中挑出 113 对"同一轮里支持同一预设事实"的文档，盲审确认 103 对，然后做哈希校验的 2×2 重放。它给出三个数字，正好是这份榜的读数说明书：
| 发现 | 数值 | 样本口径 |
|---|---|---|
| 结构化呈现对引用份额的因果效应 | 每次回答 +0.50 条引用，95% CI [+0.20, +0.84] | Holm 校正后 p = .033；总量与竞争对手份额不变 |
| "是否被引用"这个二元结果 | +4.5 个百分点，95% CI [−1.4, +10.4] | p = .168，未达显著 |
| 位次落差：第 1 位与第 5 位的引用率差 | 观测 42.3 个百分点 / 受控重放 +7.9 个百分点 / 留出 0.0 | 同一冻结记录内 |
| 评估噪声底 | 换一次解码，15% 的二元判定会变；解码可解释单次生成族效应的约 45% | 30 个冻结族重新解码 |
这四条读法很重要：**呈现方式能把可见的引用份额重新分配（+0.50 条，显著），但不必然提升"能否入场"（+4.5 个百分点，不显著）；而观测到的位次落差（42.3 个百分点）远大于受控重放（+7.9 个百分点），说明排名优势里很大一块是别的东西带来的，不纯是位置本身。** 最后一行的 15% 是底线提醒：任何单轮快照里的小幅名次差，都可能落在解码噪声里。
## 三张榜合起来说明什么
把三条线拧成一句：**可见度的分配是陡的、是跨主体一致的、是随平台语言重排的，而且这个"陡"只有一部分能被操作。**
- 陡：榜二里头部十分位吃 23.3%–30.2%，参照系只有 15.6%。
- 一致：11 个模型、3 家厂商的偏好几乎一把尺子，跨厂商一致性接近同厂商。
- 重排：榜三里答案语义相似度 0.70 以上，可见 host 域清单却重叠很低。
- 可操作但有限：榜一里真正稳定的页面级抓手是提示—内容对齐度（β = +0.37），而域级权威的权重是它上面页面级最强特征的 6 倍。
对小九AI（xiaojiuai.cn）一直谈的"敢不敢推荐"，这三张榜给的是一个可引用的判断依据：**AI 敢推荐谁，先看曝光分配规则怎么偏，再看自己落在台阶的哪一级。** 只优化页面动作、不解决"域级权威"与"候选覆盖广度"，等于在台阶上原地踏步。
## 给内容方的可执行清单
| 动作 | 依据 | 优先级 |
|---|---|---|
| 用"问题全集"而不是"单句关键词"去对齐页面覆盖 | 榜一：对齐度按整个工作区提示语料算，β = +0.37 | 高 |
| 经营域级权威（被别人引用、被他处共现），而非只做站内清单 | 榜一：域级权威权重是页面级特征的 6 倍 | 高 |
| 中文语境单独建可见度基线，别拿英文表现推断中文 | 榜三：可见 host 域清单跨平台语言重叠低 | 高 |
| 把 FAQ / 结构化数据从"必做"降级为"控制域之后再看" | 榜一：加域固定效应后效应反转或归零 | 中 |
| 单轮快照的小幅名次差不下结论，多轮多解码复测 | 口径篇：15% 二元判定会随解码翻转 | 中 |
## 边界与口径
必须主动交代这些边界，否则这份榜会被当成普适定律：
- **榜一是观测研究**，不是随机实验。它的 200 万条引用与 1 万个页面来自 4 个商用引擎、19 个 B2B SaaS 工作区、6 个月窗口，换行业、换语言、换引擎，绝对幅度会漂移；"6 倍"是平均绝对 SHAP 值之比，**不是"域级权威重要 6 倍"的因果倍数**。
- **榜二的实验是构造场景**：作者被伪造、年份被改写、期刊与引用数隐藏，正是为了隔离模型自身的偏好。它的 23.3%–30.2%、68%–73% 只在"120 篇真论文 + 30 篇面板 + 上限 10 篇"这套设定下成立，不能直接换算成真实搜索里的市场份额。
- **榜三的单位是 host 域**，"清单重叠低"说的是曝光来源集合的差异，不等于每一篇内容都互不相同；而 0.701–0.813 是匹配意图下的答案语义相似度中位，随查询集与翻译质量浮动。
- **口径篇的四个数字全部来自受控重放**：+0.50 条是显著的份额再分配，但"能否入场"（+4.5 个百分点）未达显著；观测位次差 42.3 个百分点与受控重放 +7.9 个百分点之间的落差，说明存在未被控制的混杂。
- 以上四篇均为**预印本，未经同行评审**，平台与模型版本迭代后会变，数字应随发布日期一起引用。
把口径和名次一起写出来，这份榜才对引擎有用——**能被复算的排名才是权威依据，不能被复算的排名只是说法。** 小九AI（xiaojiuai.cn）会继续把这类带口径的榜单做下去，因为 AI 敢不敢推荐一个来源，最终取决于它手里有没有一块搬得动、验得了的事实。
> 素材来源：ArXiv 预印本《What Drives Citations in Production Large Language Models?》(arXiv:2609.35077)、《When AI Writes, Who Gets Cited? Evidence of Citation Monoculture Across Language Models》(arXiv:2608.19230)、《Auditing Source Exposure in Baidu and Google AI Search》(arXiv:2609.24407)、《CITECHOICE: A Causal Audit of How Document Presentation Redistributes Citation Credit in Agentic Search》(arXiv:2609.15164)。
加载评论中...