研究AI 引用研究

引用不等于证据:研究揭示的 AI 回答问题

五项研究发现说明了缺乏支持的说法、错误的来源链接、不断变化的引用列表,以及为什么企业信息虽然被看见,却不一定被正确表达。

由 ChatGPT 翻译,未经母语编辑审核。来源标题和截图保留原始语言。阅读英文原版
简短回答

AI 引用让回答更容易核查,但看得见的链接并不能证明内容准确、来源独立或系统作出了推荐。关于早期搜索助手、新闻检索及当前引用行为的研究揭示了不同的失败方式。因此,商业问题需要比“我们被引用了吗?”更具体:企业被关联了什么说法,哪些证据支持它,买家又从中了解到什么?

  1. 01选择来源
  2. 02写出说法
  3. 03附上链接
  4. 04解释企业

核心发现:出现引用与证据质量是两回事

引用记录的是回答与网页之间的关系。这种关系可能充分、局部成立,也可能有误。某个页面或许能够证明一家公司提供某项服务,却不能证明它是最佳选择、在当地可用,或适合某个具体的人。额外的结论来自回答,不一定来自来源。

这一区别说明,引用次数不能同时充当可信度分数。五个链接可能支持五项不同事实,也可能重复同一份原始公告,或者包含无法支持相邻句子的页面。只统计网址的仪表板会把这些情况呈现得很相似。但对于决定是否联系企业的读者,它们意义不同。下面的研究让这一差距的若干部分可以被衡量。

发现 1:流畅的回答在历史上曾包含没有依据的陈述

Nelson F. Liu、Tianyi Zhang 和 Percy Liang 在 2023 年开展的斯坦福研究,评估了当时可用的四个生成式搜索引擎。在整个审查中,51.5% 的生成句子得到引用的充分支持,74.5% 的引用支持与其关联的句子。研究人员将证据支持的完整性与附在个别陈述上的链接是否正确区分开来。

这些是 Bing Chat、NeevaAI、Perplexity 和 YouChat 的历史结果,并非当前版本的评分。它们持续有用之处,在于区分两类问题:回答可能对某项说法不给出依据,也可能附上无法证明该说法的引用。增加链接或许改善前者,却没有解决后者。这项研究无法确定,这两类问题今天在某家公司的产品相关回答中各出现多频繁。

Liu, Zhang and Liang: Evaluating Verifiability in Generative Search Engines
Stanford · 2023

发现 1:流畅的回答在历史上曾包含没有依据的陈述

51.5%

得到引用充分支持的句子

74.5%

能够支持对应句子的引用

2023 年对当时四个搜索引擎的研究。句子获得支持与引用精确度是不同指标;并非当前产品的基准。

Liu, Zhang and Liang: Evaluating Verifiability in Generative Search Engines

发现 2:即使提供准确摘录,也可能找不到原始来源

Tow Center 在 2025 年 3 月的研究中,用 200 篇新闻文章的摘录测试了八个具备搜索功能的 AI 工具:20 家出版机构,每家十篇文章,共进行了 1,600 次跨工具查询。研究人员要求找出文章、出版机构和网址。超过 60% 的回答包含错误。所选摘录在传统 Google 搜索中,都能让原始来源出现在前三条结果里。

这是一项要求较高但范围明确的检索任务,并不是对所有事实问题的测试。研究还观察到,系统将内容归于转载或复制版本,以及编造链接或提供失效链接。其商业意义在于,创作原创内容并不保证获得引用或访问量。报道中被提到的企业及创作报道的出版机构,都可能通过另一个页面被呈现。该结果是有明确时间的失败证据,并不能证明当今所有系统的行为都相同。

Tow Center: AI Search Has a Citation Problem

发现 3:能够被找到的公开内容,不等于已经验证的知识

Qi Liu 及同事于 2026 年 10 月发布的预印本,分析了十个 AI 搜索平台、6,356 个来源域名中的 17,211 次引用。在受控发布实验中,八个平台在七天内引用了一个虚构概念。实验通过独特标记将内容追溯到研究人员发布的材料,而不只是观察回答是否发生变化。

这证明公开内容有一条进入生成式回答的路径,并不是在建议编造说法。作者指出了限制:专门设计的问题集、为便于追溯而选择的主题,以及来自 2026 年 3 月至 4 月实验活动的数据。具体比例可能随时间改变。重要发现是,出现在可检索网页上可能带来引用,却不会让其背后的说法变成事实。在这个实验中,只衡量引用成功,会奖励错误的结果。

Qi Liu et al.: From Public Posts to AI-Search Citations

发现 4:来源列表本身可能在不同观察中改变

Muck Rack 与 Generative Pulse 在 2026 年 10 月发布的研究,将广泛监测数据与另一个 9 月的问题集结合起来;后者在四个系统中测试了 1,020 个不含品牌名称的消费者提示词。在同日重复测试中,它报告 ChatGPT 的引用域名重合率为 41%,Gemini 为 45%,Perplexity 为 94%。这些是发布方报告的发现,并非对监测供应商的独立审计。

域名重合率衡量的是来源选择的可重复性,不是任何一次回答的准确性。变化的列表仍可能支持同一个正确结论;稳定的列表也可能反复支持错误结论。不同的数据集部分也不应合并成代表所有搜索的一个样本。该发布材料所支持的是更有限的发现:一次保存的回答,可能无法很好地描述同一系统下次会引用什么。

Muck Rack and Generative Pulse: October 2026 citation research

这些研究考察不同问题,不能合成一个通用错误率

这些结果不能取平均,变成整体 AI 可靠性百分比。句子获得支持的比例、正确检索原文的比例、对虚构概念的采纳,以及域名的可重复性,使用的分母不同。它们也来自不同年份、系统和问题集。把它们视为同一种指标,恰恰会在企业最需要清楚判断时降低研究的价值。

综合来看,它们揭示了商业回答中的四个不同问题:重要陈述是否有依据,是否把功劳归于正确来源,来源的权威性是否站得住脚,以及观察能否重复。企业可能在其中一个方面存在问题,而其他方面没有。这会对声誉、有价值的访问量,以及后续销售沟通的质量产生不同影响。

这些研究考察不同问题,不能合成一个通用错误率试一试
证据问题可能出错的地方商业后果
链接无法证明附近的说法买家了解到没有依据的产品承诺
原创内容被归功于别处原创者失去可识别的认可或访问量
公开材料被误当作确定事实薄弱信息看起来获得了权威性
同一个问题产生不同来源一张截图夸大了竞争地位的稳定性

只有支持声明的来源才有用

在销售邮件或网站中重复某个数字前,先做这项快速检查。

具体声明

写下准确表述。区分流量、咨询、销售管道、收入和利润。

打开社区事实工作表

五个重复链接,并不构成五次独立确认

设想一则虚构的产品公告,被四家出版机构转载,随后出现在 AI 回答的引用中。回答拥有多个网址,但性能说法仍然源于同一家公司。其他页面可能补充报道或独立测试,也可能只是重复公告。仅看链接数量,无法判断发生的是哪一种情况。

这对于节省时间、降低获客成本或加快实施等说法尤其重要。同一个数字可以传播得很远,而关于谁测量了它、在什么条件下测量的解释却没有跟上。我的分析是,重复传播可以增加可见度,同时让证据的强度保持不变。因此,大量提及可能仍然只依赖一个有商业利益的来源。这说明需要保留归属信息,而不是否定所有企业案例研究。

影响最大的错误,可能只是适用范围的小变化

一个虚构的软件例子可以说明这个问题:来源说某项集成只在一个企业套餐中提供,回答却说该产品包含这项集成。产品名称和集成名称都正确。但缺失的条件仍可能造成不合适的评估、失望的潜在客户,以及被浪费的销售时间。简单的实体匹配分数发现不了这种差别。

对依赖地点的服务而言,类似错误就是把整个集团的能力套用到每家分支机构。正确的集团官网,并不能证明某个具体地点的情况。这些只是说明性的例子,并非测得的发生频率。它们解释了为什么有商业价值的准确性评估,需要考察陈述的适用范围——套餐、地点、日期、资格和价格条件——而不能只看正确品牌是否出现。

发现 5:平台的引用报告明确不等同于商业证明

Bing 在 2026 年 6 月的 AI Performance 更新中,将引用份额定义为一个网站在某个检索依据查询中的引用占比。它明确说明,该指标属于观察结果,不展示竞争对手域名,不是流量份额,也不提供质量评分。其时间段比较可以显示变化,但文档指出变化可能有多种原因。

这种边界很有用。平台报告的是来源被使用的情况,而不是认证每个页面上的说法或回答的商业价值。我的结论是,可见度报告与说法核查回答的是互补的问题。前者显示证据在哪里被使用,后者显示由此产生的解释对目标买家是否有用、是否准确。两者都不会自动给出最终商业成果。

Bing: Intents, Topics, Citation Share and Compare

这些发现对企业意味着什么

机会不仅在于赢得更多引用,而在于系统解释企业时能够获取正确事实,并理解曝光、解释与客户下一步行动之间的差距。对于复杂产品和服务,这尤其重要,因为缺失一个条件,就可能让看似正面的回答失去商业价值。

我在 Searchable 工作。在策略讨论中,我会把保存的回答及其来源与实际买家决策联系起来:哪些内容被准确表达,哪些仍不确定,以及哪项发现会改变接下来的工作。研究支持这种更细致的阅读,但不支持把上升的引用图表当作准确性或收入的证明。

研究范围

审阅日期为 2026 年 11 月 3 日。本文综合已发表研究、一份供应商研究发布材料,以及官方报告指标定义,并未重新运行这些实验。历史模型结果标注了时间;10 月论文按预印本处理。虚构例子用于解释商业后果,并非客户观察。本文没有将不可比的测试合成为一个准确率分数。

来源与说明

来源审核日期: 2026年11月3日. 计划和示例属于建议,并非实测客户成果。我在 Searchable 工作,产品链接体现了这一关系。

1
Liu, Zhang and Liang: Evaluating Verifiability in Generative Search Engines2023 年对当时四个搜索引擎的研究。句子获得支持与引用精确度是不同指标;并非当前产品的基准。
2
Tow Center: AI Search Has a Citation Problem2025 年 3 月 6 日。原研究人员对 200 篇文章摘录在八个工具中进行测试的说明,共 1,600 次查询。任务限定为新闻检索。
3
Qi Liu et al.: From Public Posts to AI-Search Citations预印本于 2026 年 10 月 8 日提交;测量来自 2026 年 3 月至 4 月。实验中的发布效果并不是通用排名或转化模型。
4
Muck Rack and Generative Pulse: October 2026 citation research2026 年 10 月 28 日由供应商发布的研究。广泛监测与独立提示词样本的范围不同;重合率不是准确性指标。
5
Bing: Intents, Topics, Citation Share and Compare2026 年 6 月 16 日的官方预览公告。定义了引用份额及其限制;于 2026 年 11 月 3 日审阅。
Searchable
Daavid Christa您在 Searchable 的伙伴

一起制定您的 AI 搜索计划

我是 Daavid,您在 Searchable 的战略伙伴。我们会把您的业务目标转化为清晰的问题集、实际操作指导,以及可共同复盘的可执行计划。

了解您的现状

您将获得什么
初步了解 AI 如何提及您的企业,并清楚标明市场、模型和日期。
谁来参与
您与 Daavid
Searchable 如何帮助您
比较已保存的回答、竞争对手和引用。

我们共同商定支持范围、计划和复盘安排。功能取决于您的配置。