这条在：GEO 图书馆 · 机制：AI 怎么找、怎么挑、怎么写
AI 判断一个来源权不权威，看什么？
截至 2026 年 9 月 28 日，各家公开得很少：豆包搜索接口给结果标权威等级，并公开了分档和例子；腾讯云元宝搜索旗舰版、Kimi 联网搜索 Pro 也给权威分，没公开怎么打；三家都没说手机 App 回答时按不按它加权。
伯克利 2024 年用当时五个模型做的实验，不给网址、日期和标题，让模型在两段对立的正文里二选一：加参考文献、改成客观语气，胜率没涨，甚至更低；把问题原文贴在段前、或另写几句带上问题里的词，胜率会明显上去。
各家公开了什么
这件事，平台自己说得都不多。我们查到的公开材料是下面这些：
| 平台 | 公开了什么 | 没公开什么 |
|---|---|---|
| 豆包搜索（火山引擎接口） | 四档权威等级：世界 500 强、中国 500 强这类头部企业官网在最高档「非常权威」，同档还有政府网站、官方机构、央媒、985/211 大学和字节自家的「火山如意」数据源；中小型企业、机构官网在第二档「正常权威」；第四档只在 Custom 版，没给例子 | 豆包 App 回答时按不按它加权 |
| 元宝搜索（腾讯云接口旗舰版） | 给结果一个 0 到 5 分的权威度 | 怎么打分 |
| Kimi 联网搜索 Pro（接口） | 返回一个「来源权威性等级」字段 | 有几档、怎么评 |
| Perplexity | 部分引用带政府、学术、可信三类盾牌标签，按整站评，公开了评的问题（会不会更正错误、有没有署名等）；没有标签不等于质量低 | 标签怎么影响回答 |
| 搜索副总裁 2024 年 5 月说，AI 概览接在核心网页排序上，只展示有靠前网页支撑的信息 | 在这些网页里怎么挑 | |
| 微软 Bing | 一位产品经理 2025 年 10 月在广告业务博客上写，Copilot 把页面拆成小块，这些小块可以按权威和相关性来评 | 权威怎么算 |
| OpenAI | ChatGPT 搜索按多种因素排序，意在找「relevant, reliable」的信息 | 是哪些因素 |
| Anthropic | 只给开发者允许、屏蔽某些域名的开关 | Claude 自己怎么判断 |
| DeepSeek | 我们没找到相关说法 |
能看出的是：豆包、元宝旗舰版、Kimi Pro 在各自的搜索接口上给结果标了权威等级，Perplexity 给了展示标签。这几家都没公开等级或标签在最终回答里占多大分量。Google 2024 年 5 月说，AI 概览接在核心网页排序上，只展示有靠前网页支撑的信息，没说在这些网页里怎么挑。
Google 的搜索质量评估指南（给人工评估员用的）还写了几句，值得品牌方记住：判断一个网站可不可信，要一起看三样，网站自己怎么介绍自己、别人怎么说它、页面上看得见的内容；厂家自己夸自己的评测，因为利益冲突，没那么可信；权威按话题看，多数话题没有唯一的官方权威，真有的时候，那个官方来源往往最可靠。「可信」是经验、专业、权威、可信（E-E-A-T）里最重要的一项。Google 说评估员的打分不直接进排序算法。
模型读内容时看什么
上面说的是平台在搜索这一层怎么标来源。模型拿到内容以后，研究里有几项发现，每项的测法都很窄：
- 两段对立的正文二选一时，模型主要看字面上跟问题贴不贴。伯克利 2024 年用当时五个模型（LLaMA-2 Chat、Vicuna、WizardLM、GPT-4-1106、Claude v1 Instant）做的实验，不给网址、日期和标题：把两段互相矛盾的正文放在一起，模型只能答是或否，看它站到哪一段。加参考文献、改成客观语气，胜率没涨，甚至更低；把问题原文贴在段前，或另写几句带上问题里的词，胜率会明显上去。
- 当评委时，假参考文献会把模型带跑。一项 EMNLP 2024 的研究，让模型二选一评两个答案，给其中一个加上假参考文献之后，除了 GPT-4o，留在实验里的模型评委，被假文献带跑的程度都不比随机乱选低，GPT-4o 也只好一点点。这是当评委时的偏好被带跑，不是搜索问答，也不是模型完全不会分辨两个答案。
- 模型会偏向跟自己原来知道的一致的说法。一项 ICLR 2024 的研究，用研究者自己构造的证据测事实和记忆冲突：证据连贯、有说服力时，模型会接受跟自己记忆冲突的说法；但证据里有一部分跟模型已有知识一致时，模型有很强的确认偏误。
- 只看域名打分，模型之间很一致，跟专家只中等一致。Yang、Menczer 2025 年发表的一项审计，让 9 个 2024 年的模型只看域名、给新闻网站打可信度分。在 9 个模型都打了分的 3077 个站上，模型之间的等级相关平均 0.79，和人类专家平均 0.50。这是点名问「这个域名可不可信」，看不出回答时会不会按它引用。
对品牌方意味着什么
下面是我们的判断：
- 在搜索这一层，站点身份有用。豆包按站点类型和企业体量分档，这不是改文风能换掉的。Google 那份是给评估员的指南，打分不直接进排序；它要看的三样里，别人怎么说你不是一篇稿子能改完的，网站自己怎么介绍、页面上写什么，是改得了的。
- 在读内容这一层，文风装权威没用。加参考文献、写得很官方，伯克利那项实验里没见效果；字面跟上问题，在那项实验里更影响胜率。但那是两段里二选一的胜率，推不到开放式回答。
- 为了被选中去贴问题、堆词，我们不建议。它是不是越界，要看有没有造假、冒充或误导性指令（见正常优化和投毒，界线在哪）。
这些结论别往外推
- 接口里的权威等级，只覆盖豆包搜索、元宝旗舰版、Kimi Pro。没有一家说过自家 App 回答时按它加权、加多少。Perplexity 的盾牌是给用户看的，它自己说没有标签不等于质量低。
- 伯克利那项是两段对立的正文二选一、只答是或否，不给网址，说明不了「看不看是谁家的网站」，也说明不了开放式回答怎么选材料。
- ICLR 那项用的是研究者构造的证据，测的是事实和记忆冲突。
- 中文 GEO（AI 搜索优化）圈的几种说法，我们没找到平台出处。9 月下旬网上流传的一篇写：「豆包、DeepSeek、文心一言、Kimi、通义千问、腾讯元宝等主流AI平台,在信源采信上共用一套高度趋同的权威度分层体系」，同一篇把品牌官网和央媒一起放在一级；9 月 23 日另一篇写媒体权重「央媒(人民网、新华网等)> 行业垂直媒体 > 地方门户 > 自媒体账号」，说这是 AI 给引用打的「隐藏分数」。两篇都是发稿平台的推广文章，说法也不一致。
出处 15 条，A 级 11 条、B 级 2 条、C 级 2 条 · 展开全部
火山引擎豆包搜索《站点权威度分级说明》（2026.08.21 更新）：四档，非常权威、正常权威、一般权威、一般不权威（第四档只在 Custom 版）；「非常权威」包括政府网站、官方机构、央媒、地区官方媒体、985/211 大学、门户里的官方认证账号、世界 500 强和中国 500 强等头部企业官网，以及字节自家的「火山如意」数据源。是搜索接口给结果的标签，文档没说豆包 App 按它加权。 原文
腾讯云联网搜索 API《元宝搜索》（2026-09-21 更新）：旗舰版返回「authority_level：权威度得分，取值0～5，数值越大表示越权威」，没公开打分标准。 原文
Kimi 开放平台《联网搜索最佳实践》：联网搜索 Pro「同时返回 authority（来源权威性等级）字段，方便开发者对结果做下一步评估、过滤」，没公开等级标准。 原文
Perplexity 帮助中心《Understanding source labels》：部分引用带盾牌图标，分 Government、Academic、Trusted 三类，按整站评，看会不会更正错误、有没有署名、新闻和广告分不分开等问题；没有标签不等于质量低。 原文
Google 搜索副总裁 Liz Reid 博客（2024-05-30）：AI 概览的模型「is integrated with our core web ranking systems」，只展示有排名靠前网页支撑的信息；出错后限制了讽刺幽默内容和可能误导的用户生成内容。只讲 AI 概览。 原文
Google《Search Quality Rater Guidelines》（2025-09-11 版）：「Trust is the most important member of the E-E-A-T family」；判断时一起看网站怎么介绍自己、「What others say about the website or content creators」、页面上看得见的内容；厂家自夸的评测因利益冲突没那么可信；权威按话题判断，多数话题没有唯一官方权威。评估员的打分不直接进排序算法。 原文
微软 Bing 的产品经理 Krishna Madhavan，Microsoft Advertising 博客（2025-10-08）：Copilot 把页面拆成小块，「that can be evaluated for authority and relevance」；被选中从内容「fresh, authoritative, structured, and semantically clear」开始。没说权威怎么算。 原文
Anthropic《Web search tool》文档：「Provide allowed_domains or blocked_domains, not both.」只给开发者允许、屏蔽域名的开关，没公开 Claude 怎么判断来源可信。 原文
OpenAI 帮助中心《Searching the web with ChatGPT》：「ChatGPT ranks search results using multiple factors intended to help users find relevant, reliable information.」没列因素。 原文
Wan、Wallace、Klein（伯克利），ACL 2024：模型「rely heavily on the relevance of a website to the query, while largely ignoring stylistic features that humans find important such as whether a text contains scientific references or is written with a neutral tone」。只给模型网页纯文本，不给网址、日期、标题；反事实实验里，把问题原文贴在段前，或另写几句带上问题里的词、原文不动，胜率会明显上去。测的是两段对立、模型只能答是或否的有争议问题。 原文
Chen 等（香港中文大学深圳）arXiv 2402.10669，EMNLP 2024：让模型当评委二选一比较两个答案，给其中一个加假参考文献，「Human and all LLM judges (except GPT-4o) perform no better than random baseline under reference perturbation」（随机基线 0.37，GPT-4o 0.32）；位置偏差严重的模型没留在表里。测的是当评委，不是搜索问答。 原文
Xie 等，ICLR 2024：外部证据连贯有说服力时，模型会接受它，哪怕跟自己记忆冲突；但证据里有一部分跟模型已有知识一致时，模型表现出「strong confirmation bias」。 原文
Yang、Menczer（WebSci 2025）：9 个 2024 年的模型只看域名给新闻网站打 0 到 1 分，在 9 个模型都打了分的 3077 个站上，模型之间平均 Spearman ρ=0.79，跟人类专家平均 0.50。样本来自全球访问榜和专家评分名单，政治倾向那部分限在美国。看不出回答时会不会按它引用。 原文
流传说法一：环球科技网（凤凰网科技频道转发，2026-09-21）：「豆包、DeepSeek、文心一言、Kimi、通义千问、腾讯元宝等主流AI平台,在信源采信上共用一套高度趋同的权威度分层体系。」没给平台出处；文中以一家发稿平台为例推荐。 原文
流传说法二：环球科技网（凤凰网科技频道，2026-09-23）：「●媒体类型权重:央媒(人民网、新华网等)> 行业垂直媒体 > 地方门户 > 自媒体账号。」称是 AI 引擎给引用的「隐藏分数」SCS，没给出处。 原文
大家也这样问
- AI怎么判断一个网站权威不权威？
- AI更信哪些来源？