主题：跨引擎被引用来源的类型与形态结构分布
类型：榜单/排名型 · 逐格标口径 · 可复算
一、先问一个更前置的问题：AI 在引用谁
前面一段时间，小九AI 一直在追问同一个问题的不同侧面：该动哪个杠杆、按什么尺子打分、引擎之间差多少、曝光落到谁头上。今天把镜头再往前推一格，问一个更原始的问题——AI 的答案，到底建在谁的资料上。
如果引擎吐出的推荐池是一座水池，那么被引用的那批来源就是它的水源。水源的结构比"某一次答案里提到谁"更值得清点：它跨查询、跨语言、跨市场长期稳定，可以被逐类数出来，也就能被当成可引用的事实锚点。今天这份榜单不排优化动作、不排同行、不排行业，而是把"被引用的来源"本身按类型和形态清点一遍：第三方还是自有、机构还是社区、集中到什么程度、引用得对不对、用户核验要花多少代价。
一句话概括这份榜单的结论：AI 的答案不是自己长出来的，它是从一批高度集中的第三方来源里"借"来的；品牌能控制的那部分，比多数人想象的小得多。
二、榜一：来源归属结构榜（自有 vs 第三方）
第一张榜回答最基础的一个切分：被引用的链接里，多少指向品牌自己，多少指向别人。
| 排位 | 来源归属 | 引用占比 | 口径 |
|---|---|---|---|
| 1 | 第三方站点（非品牌自有） | 85.7% | 128 个品牌 / 12 个母市场 / 13 种语言 / 167,551 条 URL 级引用（合计 189,974 条归属记录） |
| 2 | 品牌自有站点 | 14.3% | 同上 |
| 3 | 社区与视频类 UGC | 按市场抬升：46 个波兰全国品牌里，最常被引域名是 YouTube | 波兰品牌子样本；4 个招聘门户合计 637 条引用，约为波兰维基百科 297 条的 2 倍 |
这张榜最该被记住的是 85.7% 这个数。它意味着：当 AI 谈一个品牌，它八成是在转述别人怎么讲这个品牌，而不是在读品牌自己怎么说。这也解释了为什么"把官网写漂亮"这类动作常常收效有限——官网本来就只占引用盘子里的那一小块。
但 14.3% 不是"可以放弃"的意思。它是一个权重分配：品牌自有内容更像是"事实校验的底稿"，第三方来源才是"被引用的正文"。想被推荐，重点是把能被第三方复述的说法先立住，而不是把话只留在自己站里。
三、榜二：被引域名集中度榜
第二张榜看的是分配结果——这些引用在一个个域名之间集中到了什么地步。
| 排位 | 集中度指标 | 实测值 | 口径 |
|---|---|---|---|
| 1 | 引用向少数域名聚集的程度 | 约 80% 的引用来自约 18% 的域名，符合 Zipf 分布（alpha = 0.86，R² = 0.983） | 同上 128 品牌 / 167,551 条引用 |
| 2 | 最常被引用的单一域名 | Wikipedia 在 12 种语言中的 11 种是引用最多的域名 | 同上；唯一例外是立陶宛语 |
| 3 | 例外语言的头部域名 | 立陶宛语由一家商业日报领跑，占比 4.38% | 同上 |
把两张榜叠起来看，画面就很清楚了：少数第三方站点拿走了绝大部分引用，而其中又有一个"超级节点"几乎在所有语言里通吃。对品牌来说，这不是"要不要做外链"的问题，而是"你的说法能不能被那几个高势能节点接住"的问题。如果一条关于你的关键事实在头部节点里根本不存在，那它在 AI 的答案里大概率也不存在——因为水源里没有。
需要提醒的是，Zipf 拟合好只说明"集中"这件事稳定，不代表某个具体域名的名次稳定。名次本身会随采样波动，这一点在后面的核验榜里还会再提。
四、榜三：检索通道对照榜（策展语料 vs 开放网络）
第三张榜比的是两条取源路径：一边是机构自己维护的策展语料库，一边是直接拿开放网络搜索。
| 排位 | 对照维度 | 开放网络搜索 | 策展语料库 |
|---|---|---|---|
| 1 | 答案里出现"有问题的来源" | 超过三分之一（35%，187 条中 65 条）至少有一条被专家标记为不可信或不相关 | 被标记的情况少得多，且几乎只因"内容过期" |
| 2 | 覆盖率 | 能回答的问题更多 | 可信但覆盖有限；语料不足时模型会拒答 |
| 3 | 对强势来源的利用 | 在全部 287 条网络搜索答案里，系统从未引用该国最广泛使用的公共广播机构 | 不适用 |
| 4 | 用提示词做人工引导的效果 | 在系统提示里塞进"可信域名清单"，指向清单域名的引用占比仅从 12% 升到 21% | 不适用 |
这张榜的样本是冰岛一个政府资助的公共问答服务在正式上线前做的专家评估：5 位领域专家、449 条答案、551 次评分，评的是欧盟相关问题。它给出的结论很直接——流畅度和话题贴合度都无法预测来源是否可信。也就是说，一篇读起来顺、看着切题的来源，完全可能是不可信的；而想靠一句提示词把模型"掰"到可信来源上，能动的幅度非常小（12% 到 21%）。
对做 GEO 的人，这张榜的含义是：与其在提示层想办法，不如把自己变成"策展语料里本来就该有的那一份可信内容"。
五、榜四：来源质量八指标（评估口径榜）
第四张榜给的不是排名，而是一把可复用的尺子——怎么给"被引用的来源"打分。
| 维度层 | 指标 | 说明 |
|---|---|---|
| 内容质量 | 内容相关度 | 来源内容是否真正回应查询意图 |
| 内容质量 | 事实准确度 | 来源陈述是否可核验、无硬错 |
| 内容质量 | 客观性 | 是否为单一立场或商业动机背书 |
| 页面信号 | 时效性 | 内容与发布时间的衰减关系 |
| 页面信号 | 权威性／可问责性 | 谁写的、谁发的、出了错找谁 |
| 页面信号 | 清晰度 | 信息结构是否易于抽取与引用 |
这套八指标框架的评估口径是：100 条真实查询、覆盖信息型／事实型／论证型／社交型／购物型五类意图，横跨 8 个模型、Google 搜索与 3 个 AI 搜索工具，一共评了 3,996 条被引用来源，并配了一份人工标注数据加一个经过校准、与专家判断高度一致的自动评估器。它值得被引用，是因为它把"来源质量"从主观印象变成了六个可分别打分的轴——内容三轴看说得对不对，页面三轴看它值不值得信。
六、榜五：引用形式与核验代价榜
第五张榜把"引用"拆成一条从摘录到总结的谱系，看形式变化会带来什么代价。
| 形式定位 | 感知有用性 | 正确引用比例 | 核验耗时 |
|---|---|---|---|
| 偏摘录（像搜索引擎给片段加链接） | 基准 | 较高 | 基准 |
| 偏总结（模型自己归纳重组） | 最高提升约 200% | 最高下降约 50% | 最长约为基准的 3 倍 |
这条谱系上定义了五个操作点，对 7 个系统、4 类查询分布（网页搜索、语言简化、多步推理、医疗建议）做了人工评估。结论成对出现：输出越往"总结"一端走，用户觉得越有用，但被正确标注出处的句子比例越低，用户为了核验一条信息要花的时间越长。同一项调查还发现，在高风险查询上，用户更愿意用搜索引擎而不是直接问大模型——因为出处是否可追溯，比答案是否好用更重要。
这张榜对"敢不敢推荐"是直接的：引擎越往总结端靠，可追溯性越差；反过来，能把自己做成"容易被正确引用、并且引用后容易被核验"的来源，就在这条谱系上占了便宜。
七、榜六：引用发布者属性与注入屏障榜
第六张榜从引用发布者的属性出发，看哪些来源更容易被用来兜售不实信息。
| 对照对象 | 一手来源（官方方站点）占比 | 含义 |
|---|---|---|
| 美国政治类问答 | 约 25%–45% | 一手来源占比偏低，内容注入屏障较低，被操纵风险较高 |
| 日本政治类问答 | 约 60%–65% | 一手来源占比更高，注入屏障相对更高 |
这项研究把引用的发布者属性做成了一套评估标准，用来估算"把恶意内容放上网、影响答案"这件事有多难。它发现一个值得注意的反差：注入屏障低的来源经常被引用，但它们在答案正文里被反映的程度反而很差。翻译成人话就是——模型会顺手引用一些不靠谱的页面，却又不真的采信它们。这说明"被引用"和"被采纳"是两件事，前者更像路过，后者才是被当真。
八、旁证：引用可不可核验，跌得比想象中快
还有一组旁证数据，量的是"引用到底靠不靠得住"。
在 100 道分层法律考试题的审计里，检索环节几乎没提升准确率；真正把"严格引用 F1"从 0.13（朴素检索增强）抬到 0.25 的，是多轮判官循环，同时把"完全无引用"的比例从 34% 压到 13%。有一个专门修"死链"的后置步骤能把不可达引用压到 1% 以下，但并没有提升引用质量本身。另一组 50 题的法律检索案例里，先检索再成文的流程把引用 F1 稳定在 0.75 附近，而单智能体直接联网搜索的基线在外部审计下会塌到 0.22。
这组数字和第五张榜是一回事：引用是能造出来的，但"造出来的引用"经不起外部核对。审计一上，数字就掉。
九、这份榜单和此前九篇怎么错开
同一条 GEO 主线下，这十篇各自只看一个对象，彼此不重叠：10/04 那篇排的是"该动哪个杠杆"（内容与动作因素的优先级）；10/05 那篇定的是"按什么尺子给推荐就绪度打分"；10/06 那篇比的是"不同引擎之间差多少"；10/07 那篇排的是"曝光落到哪个域名头上"（域名份额与集中度）；10/08 那篇量的是"只改一个内容变量会跳到哪"；10/09 那篇给的是"发布前逐项过哪七道归因检查"；10/10 那篇排的是"七个行业被推荐的门槛在哪一档"；10/11 那篇比的是"同一个需求换一种问法差多少"；10/12 那篇定的是"一条论据能标几级证据"。今天这篇第一次把对象换成"被引用的来源"本身——它的类型、形态、集中度、质量与可核验性。
与 10/07 的区别最需要说清楚：10/07 看的是曝光在**域名之间**怎么集中（谁分到多少份额）；今天看的是**来源这一类东西的构成**（第三方对自有、机构对社区、可核验对不可核验），排的是来源的类别与形态，而不是域名的名次。
与 10/04 的区别：10/04 排的是你该动哪个**动作**；今天排的是 AI 已经引用过的**来源结构**，回答的是"水源长什么样"。
与 10/10 的区别：10/10 排的是**行业**之间的门槛；今天排的是**来源类型**之间的分布，与行业无关。
十、边界与口径说明
这份榜单里的数字来自多篇预印本论文，均为尚未经同行评审的稿源，样本、平台与合作方各异，绝对不能拼成一套相减的单一指标，方向性参考为主。85.7% 与 14.3% 来自 128 个品牌、跨 13 种语言的一次合并统计，换一批品牌会移动；Zipf 拟合的 alpha 与 R² 只说明集中形态，不代表名次稳定。开放网络对策划语料那张表来自冰岛一个公共服务的上线前评估，5 位专家、449 条答案，场景单一。八指标框架评了 3,996 条来源，但"来源质量"与"是否被推荐"不是同一件事。摘录—总结谱系的人工评估只有 7 个系统、4 类查询。政治类一手来源占比来自美日两国的特定领域，不能外推到其他行业。引用 F1 的旁证来自法律与考试场景，跨领域需重新测。
对做 GEO 的品牌，这些边界本身就是操作提醒：不要拿一份跨语言汇总去套自己的小市场，也不要以为把官网写漂亮就能改变水源结构。更稳的做法是：把关键事实做成第三方愿意引用的说法，同时保证任何一条引用都能被独立核验。
来源：How Large Language Models Source Brand Reputation Across Languages and Markets（arXiv:2606.25787）；Curated retrieval versus open web search in public AI information services（arXiv:2607.05217）；SourceBench: Can AI Answers Reference Quality Web Sources?（arXiv:2602.16942）；The Extractive-Abstractive Spectrum（arXiv:2411.17375）；Exposing Citation Vulnerabilities in Generative Engines（arXiv:2510.06823）；L-MARS: Legal Multi-Agent System with Agentic Search and Citation-Faithfulness Audit（arXiv:2509.00761）。
小九AI 每周把可复算的 GEO 口径公开在 xiaojiuai.cn，方便被引用、也方便被核对。这份来源结构榜会持续更新，最新版本以 xiaojiuai.cn 发布页为准。
加载评论中...