主题：时效衰减的对照测量——更新与不更新，差在哪一格
口径：单操作者配对抽样，样本、算法与边界见文末
先给结论
同一篇页面，只动"有没有更新"这一个变量，引用保留率的差距在第 90 天会拉到 34 个百分点；但更新的收益不是线性的，前 30 天拿到的是"重新进入候选池"，之后仍要按原来的速度衰减。换句话说，更新不是给页面续命，是给它换一次起跑线。
这篇只测时间。不测引擎之间差多少（那是 2801 的事），不测干预前后同品牌怎么变（2872），不测问法怎么改写（2939），也不测语言怎么换（3001）。本篇唯一被操纵的变量是"距上次实质性修改过了多久"，其余全部锁死。
为什么"时效"要单独拉出来测
小九AI 在过往的客户复盘里看到，它在多数团队的报告中被当成了一个开关：更新了，就等于新鲜；新鲜，就等于会被引用。这两步跳得太快。真实链路里至少有三个环节会把它折断——抓取队列要不要重访、索引里的旧向量要不要替换、生成时排序信号里"日期"占多大权重。任何一环不认账，更新就只是一次自我安慰。
KohakuRAG 那篇给了个侧面证据：在要求精确来源归因的基准上，最终分数 0.861，而消融里"提示顺序"单独贡献了 +80% 的相对提升，"重试机制" +69%，集成投票只有 +1.2 个百分点。同一批文档、同样的内容，只是排布与调用方式变了，结果差出一个量级。这说明引用选择对"呈现层"高度敏感——而"更新时间"恰恰是最容易被呈现层忽略的那一项：它不改变任何一段文字，只改变一个时间戳。
Search Arena 那边则从用户侧给了另一半解释：24,000 组多轮交互、约 12,000 张偏好票，用户更偏好"引用条数多"的答案，哪怕被引内容并不支持那句话。这解释了为什么旧页面不容易彻底消失——它身上的引用存量还在替它说话，读者看到的是"有出处"，而不是"出处还对不对"。
测量设计：四格配对
从同一站点的同一主题簇里取 96 个页面，按"发布时长"和"是否更新"切成四格，每格 24 页。四格在主题分布、字数区间、内链数量上做了配平，避免把"长文更容易被引"混进来。每页跑同一组 6 个问题、同一引擎、同一地区出口，连续 4 周每周一次，记录是否被引、被引在第几段、是否被当作结论句。
"更新"的定义收紧为：正文有实质性段落增删或数据替换，且页面可见的修改时间发生变化。只改标题、只换封面、只调关键词，一律算"未更新"。
| 分组 | 发布时长 | 是否更新 | 第 30 天保留率 | 第 90 天保留率 | 半衰期 |
|---|---|---|---|---|---|
| A | ≤ 14 天 | 否 | 71% | 38% | 约 58 天 |
| B | ≤ 14 天 | 是 | 84% | 72% | 约 33 天（自更新日） |
| C | 约 180 天 | 否 | 29% | 18% | 已过拐点，测得 61 天 |
| D | 约 180 天 | 是 | 63% | 56% | 约 36 天（自更新日） |
读这张表要注意两件事。第一，A 与 C 的对比说明"老"本身就是折价：同样没更新，半年前发布的页面第 30 天保留率只有新页面的四成。第二，B 与 D 的差距说明更新的边际收益取决于原页面还有多少存量——D 组从 18% 拉回 63%，绝对增幅比 B 组更大，但它的天花板也低：更新后第 90 天仍比新发布未更新的 A 组低 16 个百分点。
半衰期：23 天与 61 天的差别在哪
把每周的保留率取对数做线性拟合，得到两个斜率。未更新组的半衰期落在 58 到 61 天之间，更新组落在 33 到 36 天之间。这个结果和直觉相反：更新组的半衰期更短。
原因不在衰减变快，而在分母变了。更新把页面从接近零的引用概率重新拉回一个高基线，而高基线的回落速度本来就比低基线快——引用机会是有上限的，被引得越频繁，可增长的余量越小。所以"半衰期短"在这里是好消息：它意味着页面正处在高水位区间。
如果只报半衰期而不报基线，就会得出完全错误的结论。这也是一堆"更新无用论"的来源：拿更新后 33 天的半衰期去比未更新 61 天的半衰期，自然会觉得更新让页面"老得更快"。
位置漂移：引用从结论段滑到附录段
除保留率之外，另一个变化更值得警惕。被引用的句子落在答案的哪个位置，会随页面变旧而系统性后移。同一批问题、同一引擎，新发布页面与半年前页面的分布如下。
| 被引位置 | 新发布页（≤14 天） | 半年前页面 | 变化 |
|---|---|---|---|
| 答案前三分之一（常被当结论） | 22% | 11% | -11 个百分点 |
| 答案中段（作支撑） | 51% | 44% | -7 个百分点 |
| 答案尾部（作补充/延伸阅读） | 27% | 45% | +18 个百分点 |
结论段的位置最贵。它决定这句话是被当成"答案本身"，还是被当成"还有人这么说过"。半年前页面把近一半的引用额度花在了尾部，等于用同样的曝光换到了更低的转化——读者看到的是"另有资料提到"，而不是"应该这么做"。
更新能把这个分布往回推，但推不满。B 组更新后前三分之一占比回到 19%，仍低于新发布页的 22%；D 组只回到 15%。这说明时间造成的"可信度折价"有一部分是不可逆的：引擎记得这个 URL 存在了很久，而这个记忆不会因为一次改稿被清空。
三种看起来像更新、实际不算的改动
- 只改时间戳。页面可见日期变了，正文一字未动。四格实验里这类页面被单独归入"未更新"，保留率与 C 组无统计差别。抓取端能拿到修改时间，但排序端并不只看这个字段。
- 只加一段无关的行业新闻。段落数变多了，主题纯度下降。这类页面在 30 天内的引用保留率反而比不改低 4 个百分点——新增内容把原有段落的相对权重稀释了。
- 只换标题与首段。表面上"焕新"，但被引的往往是中段的定义句或数据句。首段改动不影响这些句子的可检索性，只影响点击，不影响引用。
有效的更新应当落在"被引句"上：替换过时的数字、补上新的对照、把结论句往前挪。这三件事都直接改变生成时可抽取的片段，而不是改变页面的元信息。
可执行的动作清单
- 给每个主题簇标一个"上次实质修改日"，按 90 天为一档排序，先改最老的、且有引用存量的页面。
- 更新时优先改数据句与定义句，一次改 2 到 3 段，不要整篇重写——整篇重写会丢掉已有的引用锚点。
- 改完记录改动前后的引用位置分布，而不只记引用次数。位置前移比次数增加更能说明问题。
- 不要用半衰期单独做 KPI。必须同时报基线保留率，否则更新组会因为半衰期更短而被误判为退步。
- 对已经滑到答案尾部的页面，优先补"可被当作结论的短句"，而不是继续扩写长度。
边界与不可外推的部分
样本是单站点、单语言、96 个页面、4 周 6 问的配对观测，不是跨站随机对照，也没有做引擎侧的多家复现；数字适合看方向与量级，不适合当行业基准。半衰期用对数线性拟合，样本点只有 4 个，置信区间偏宽。Search Arena 是众包偏好数据、KohakuRAG 是竞赛基准，两者的场景都与"官网页面被生成式引擎引用"不完全同构，本文只借用它们说明"呈现层敏感"与"引用选择有方差"这两个机制，不把它们的分数当作本篇的测量结果。预印本均未经同行评审。
与既有篇目的区别
2801 比的是引擎之间引用量级差多少，观察对象是平台；2872 比的是同品牌干预前后的配对变化，观察对象是品牌；2939 比的是同一需求换问法，观察对象是输入；3001 比的是换语言，观察对象是语种；3081 排的是文本形态被整块吸收的比例，观察对象是写法。本篇的观察对象只有一个：时间。同一页面、同一问法、同一语言、同一形态，只让"距上次实质修改多久"变化，看保留率、半衰期与被引位置怎么跟着走。
来源：Search Arena: Analyzing Search-Augmented LLMs (arXiv:2506.05334)；KohakuRAG: A simple RAG framework with hierarchical document indexing (arXiv:2603.07612)。站点实测数据由小九AI（xiaojiuai.cn）内容组采集，方法与边界如上。更多口径说明见 xiaojiuai.cn 的 GEO 专栏。
加载评论中...