一条回答为什么引了那个网页？能拆到哪一步
截至 2026 年 10 月 2 日，品牌方从平台外面拆一条 AI 回答的引用，能拆实的只有一步：打开被引网页，找撑住那句话的原文，按完全支持、部分支持、不支持三档判断。
拿被引页跟没被引的页比写法，比出的只是待检验的假设，平台怎么排序加权、模型照着哪一段写的，站外拆不出来。最要紧的限定是，站外通常看不到 AI 这一次的候选池，所以品牌方看到一次被引只能当线索，不算规律。
问豆包一个行业问题，回答里挂着竞品的一篇文章，管品牌的人自然想知道它凭什么引那篇。从平台外面拆，到底能拆到哪一步？我们把论文、平台文档和国内实测翻了一遍，大致是：第一步拆得实；第二、第三步看写法、跟没被引的页面比，只拆得出假设；第四步再问几遍，看的是它重不重复；再往下，就是平台里面的事了。
第一步：在原网页里找撑住那句话的原文
这一步学术界有现成的做法。斯坦福的 Liu 等人 2023 年审计过四个英文生成式搜索，标注员逐句看，把被引网页里撑得住那句话的最少几句复制出来当证据，再分三档判：信息全对得上是完全支持，只对得上一部分是部分支持，哪部分都对不上是不支持。论文按整句判，我们没有沿用整句判定的口径：一句话里有数字、有名字、有时间，就拆开一项一项对。
判的人之间其实也有分歧。论文另抽了 250 组请三个人各标一遍，「这条引用撑不撑得住」一项，两两一致率是 82.0%，差不多每五六个判断就有一个不一样，所以判法要写下来，最好两个人各判一遍。而撑不住的也不少见，那四个产品平均只有 74.5% 的引用撑得住所挂的那句话。那是 2023 年的英文产品，数不能套到今天，可点开对不上并不稀奇。
对不上时要分开记。页面打不开或还没看完，记「无法核验」；当前这一版看完了、确实撑不住，记「当前页面不支持」；回答生成时页面是不是这一版常常确认不了，就另记「历史版本未知」，它不推翻对当前页面的判断。找不到一模一样的原句，本身也不算不支持，回答可能改写过，或者把几处揉成了一句。
有些开发者接口会给出被引的原文片段：Claude 接口的引用带 cited_text，最多 150 个字符；百度千帆「智能搜索生成」接口带「200字以内的相关信息原文片段」，可文档没说这就是模型写那句话时依据的段落。片段帮你定位，撑不撑得住还得人来对；App 里逐句对下来的情况，见这一篇。
第二步：看那段是怎么写的
找到原文，下一步是看它写得有什么特别。常听到的检查有三样：有没有数，有没有出处，能不能单独成立。我们读到的实验里，因素隔离得比较清楚的，是 Sprinklr 三名员工做的一组，收进了 SIGIR 2026 论文集：每次给模型两篇只差一个因素的消费品评测，看第一条引用落在谁头上。六个模型一致、效应又大的「守门因素」有四个：不切题、没写价格、时间戳旧、在候选列表里靠后；分节整理还是一大段、信息集中还是分散，都没影响。
第三步：跟没被引的页面比，只比得出猜测
Sprinklr 为什么每次只放两篇？论文自己说了，每多一篇真实检索到的网页，重合度、冗余度和一堆质量信号就同时变，引用的变化再也追不到某个因素上。而真实产品一次常常取五到十篇，甚至更多。
到了真实产品里还多一个漏洞：你看不到这一次的候选池。你自己搜到一篇没被引的页面，它可能压根没进 AI 的候选。百度千帆联网搜索接口就把「检索的文献数量」和「用于给大模型总结的文献数量」分成两个参数，搜到的、交给模型的、最后引用的，是三拨东西。OpenAI 接口的 sources 字段会列出模型这次参考过的全部网址，Claude 接口也返回搜索结果块，只是正文加了密。这些都是开发者接口，App 是不是同理文档没写，也不等于平台交出了完整的候选池。
所以只比你看得到的、同一个检索词下排在前面却没被引的页面，比出的差别只当待检验的线索，别当原因。
国内还多一层：同一篇内容有好几张面孔。21 世纪经济报道 2025 年 4 月拿报道片段问 11 个版本的 AI 要原文出处，标题、作者、链接三项全对的只有约 25%。这跟核引用方向相反，但有个提醒：今日头条的链接出现 37 次，34 次来自豆包。这组数据只能说明头条号链接更多来自豆包，不能据此认定豆包偏爱头条号；拆到一条挂着头条号转载的引用，原因可能出在平台能搜到哪里，未必是那页写得好。记者还把一稿多发列为错因之一，所以追到原页，先确认是不是原发。
第四步：再问几遍，同一家和换一家是两回事
命中一次，先别当真。假设每次回答互相独立、这段时间出现率不变，问 3 次出现 2 次，按 Wilson 95% 置信区间算，真实出现率大约在 21% 到 94% 之间，只够说「出现过」，怎么算的见《同一个问题要测几次才算数？》。
隔一段时间再问，又混进了平台本身的漂移，各家差得很远。卖 SEO 工具的 Sistrix 跟踪了六个国家 17 周：ChatGPT 每周约 74% 的被引域名是上周没出现过的，Google AI 概览反倒很稳，53% 的提示词 17 周里一个来源都没换。同样一句「隔一周没复现」，在这两家分量不一样。隔多久再问最合适，我们读到的研究里没有验证过；每一轮把问法、平台、页面版本和结果记下来，没命中的也记。
换一家问，看的是别处有没有：没复现，不代表头一家那次是偶然；也被引了，也只是多了一个观察。两样都证明不了是这页的哪一处写法让它被引的。
拆不到的三样
一是候选池，开发者接口列出的检索记录也不是完整的候选池。
二是排序和权重。Bing 站长工具能告诉你自家页面被 Copilot 和 Bing 的 AI 摘要等引了多少次，可微软也写明，「平均被引页面」不代表排名、权威，也不说明某页在某条回答里的角色，数据还是抽样。国内《互联网信息服务算法推荐管理规定》要求公示算法推荐的「基本原理、目的意图和主要运行机制等」，可没有专门讲 AI 搜索的引用排序，单次引用的权重要公开到什么粒度，条文里没写。
三是模型到底照着哪一段写的。MIT 的 ContextCite 把引用分成两种：佐证型，是这段资料支持这句话；贡献型，是这段资料让模型写出了这句话。找贡献型得拿那一次的完整上下文一段段拿掉、反复重跑，按我们对方法的理解还得看得到生成概率，只凭产品里显示的回答和引用，通常拿不到。所以站外能做的基本是佐证型核对，而撑得住，也不说明模型是读了这页才写的。
结论
- 品牌方从平台外面拆一条 AI 引用，拆得实的是逐句核对：在被引网页里找撑住那句话的原文，按完全支持、部分支持、不支持三档判断。这套判法出自斯坦福 2023 年对四个英文生成式搜索的审计，判的人之间也有分歧，所以判法要写下来，最好两人各判一遍。
- 逐句核对对不上时，页面打不开或没看完记「无法核验」，看完当前页面、确实撑不住记「当前页面不支持」，确认不了回答生成时的页面版本另记「历史版本未知」；找不到一模一样的原句，本身不等于不支持。
- 拿被引页面和没被引的页面比写法，只能得出待检验的假设，因为站外通常看不到 AI 这一次的候选池；OpenAI、Claude 的开发者接口会返回检索过的网址，但这不等于平台公开了完整的候选池。
- Sprinklr 三名员工的受控实验发现，两篇消费品评测已交给模型时，不切题、没写价格、时间戳旧、排在后面的那篇不容易先被引，分节整理和信息分散没有影响；这个结果不能推成「加任何数字都有帮助」。
- 同一平台多问几次看的是被引能不能重复，换一个平台看的是别的产品是否也引它，两样都不能证明是页面的哪项特征带来了引用。
- 平台的排序权重、模型到底依据哪一段写的，仅凭产品里显示的回答和引用拆不出来；《互联网信息服务算法推荐管理规定》要求公示算法基本原理等，但没有规定 AI 搜索单次引用的权重要公开到什么粒度。
「被引了一次，照着那页的写法改就行」？
这说法不是凭空来的：Sprinklr 那篇做了受控设计，作者据此给出一份 GEO 清单，还在公司内部试点过。三位作者都在 Sprinklr 工作，这家公司卖客户体验管理和营销软件。
可作者自己把结论限定在固定两篇之间的配对偏好，不是多篇网页一起竞争，真实检索里会不会带来一次引用，没有端到端测过。它量的是第一条引用，排第一不等于最权威，也不等于点击最多；材料是消费品评测，你那一行未必一样。你看到的那次命中，既没排除波动，也看不到候选池和权重。照着改了能不能复现，得用同期对照去测，做法见这一篇。
这些结论别往外推
- Liu 等测的是 2023 年初的四个英文产品，已经改版或下线；方法能借，74.5% 这类数字不能套到今天。
- Sprinklr 的实验只看两篇候选里谁先被引，材料是消费品评测，用的是模型接口，不是 App。
- Sistrix 的漂移数据测的是海外产品，不含国内平台。
- 21 财经测的是「给一段文字找出处」，方向跟核引用相反；头条号那组数字只说明关联。
- Claude、OpenAI、千帆的字段都出自开发者接口，不代表对应 App 的界面。
- 法规部分按条文读。
核对记录
- 2026 年 10 月 2 日重开原文核了几处：Liu 等论文附录 E 里，「单条引用是否支持」的一致率是 82.0%，「几条合起来是否支持」是 82.2%；Sprinklr 论文的材料是 100 篇化名的消费品评测；Bing 公告的两个网址是同一篇。其余出处沿用 10 月 1 日的读取。
出处 13 条，A 级 10 条、B 级 3 条 · 展开全部
Liu、Zhang、Liang（斯坦福）《Evaluating Verifiability in Generative Search Engines》（Findings of EMNLP 2023）。第 4.4 节：判为完全或部分支持的引用，标注员要「copy-pasting the minimal set of sentences from the cited webpage that support their judgment (if any such sentences exist)」。第 2.4 节：三档 Full support / Partial support / No support，标准是普通读者会不会认可「According to cited webpages [citations], [statement]」；一句挂多个引用的，另判这几页合起来能否完全支持。每组只标一次，另抽 250 组三人复标；附录 E 的一致率表里，「Citation Supports」两两一致率 82.0%，「Statement Supported」82.2%。Limitations：「verifiability is not factuality」；一句常含多个说法，按整句判是「for simplicity and reproducibility」。测的是 2023 年初的 Bing Chat、NeevaAI、perplexity.ai、YouChat，英文。 原文
同一论文 ACL Anthology 页：「only 74.5% of citations support their associated sentence」，是所测四款产品的平均值。 原文
Vishwakarma、Kumar、Jamidar《What Gets Cited: Competitive GEO in AI Answer Engines》（收入 SIGIR 2026 论文集；arXiv 2605.25517 v1）：材料是 100 篇覆盖 50 个 B2C 品类的产品评测文章，品牌、型号、发布方换成化名；每次给模型两篇候选，「differing in exactly one characteristic」；17 个内容因素两篇先后正反各跑一遍，「but not for Lower List Position, where order is the treatment」；每种组合 5 次；记录「which source is cited first」。「We never call a search engine.」每多一篇检索到的网页，「citation shifts could no longer be traced to one lever」。六个模型、18 个因素共 25.2 万次，四个守门因素「Topic Mismatch, Price Not Mentioned, Recent vs Old Timestamp, and Lower List Position」；「Formatting choices (Content Structure, Scattered Information) had no impact」。局限：「pairwise preferences over a controlled slate, not full multi-document competition」；「Production RAG often retrieves five to ten or more pages」。六个模型为 Gemini-2.5-Flash、GPT-5-Nano、GPT-5-Mini、GPT-5.2、Claude-3.5-Sonnet、Kimi-K2-Thinking，走模型接口。 原文
Cohen-Wang、Shah、Georgiev、Mądry（MIT）《ContextCite: Attributing Model Generation to Context》（NeurIPS 2024）：「Corroborative attribution identifies sources that support or imply a statement.」ContextCite 是贡献型归因，「identifies sources that cause a language model to generate a given response」；「if a part of the context actually led to a particular generated response, then removing it should substantially affect this response.」「需要读到生成概率」是按方法推的，不是原文句子。 原文
Anthropic《Web search tool》开发者文档：每条引用带「`cited_text`: Up to 150 characters of the cited content」；搜索结果块带 url、title，正文以「`encrypted_content`」返回。新版工具（web_search_20260318）把 `response_inclusion` 设为 excluded 时，代码执行里用掉的嵌套搜索结果块不再返回。只对 Claude 接口成立。 原文
OpenAI《Web search》开发者文档：「sources returns the complete list of URLs the model consulted when forming its response」，行内引用「show only the most relevant references」；搜索动作「usually (but not always)」带实际搜过的查询词。接口行为，ChatGPT App 是否同理文档没写。 原文
百度智能云千帆《智能搜索生成》（2026-09-30 更新）：参考资料 content 字段为「网页内容，显示200字以内的相关信息原文片段」；另有角标开关。开发者接口，文档没说该片段就是模型写那句话所依据的段落。 原文
百度智能云千帆《联网搜索》（2026-07-09 更新）：search_number「检索的文献数量」，reference_number「用于给大模型总结的文献数量」（需≤search_number），默认都是 10；enable_citation 角标开关默认关；search_mode 默认 auto，「用户query`1+1等于几`，默认不过联网搜索」。只对千帆 API 的 ERNIE 内置搜索成立。 原文
Bing 站长博客《Introducing AI Performance in Bing Webmaster Tools Public Preview》（2026-02-10）：Grounding Queries 是「the key phrases the AI used when retrieving content that was referenced in AI-generated answers」；平均被引页面「does not indicate ranking, authority, or the role of any page within an individual answer」；「The data shown represents a sample of overall citation activity.」覆盖 Copilot、Bing 的 AI 摘要和部分合作方。 原文
《互联网信息服务算法推荐管理规定》（2022-03-01 施行）第二条：算法推荐技术包括「排序精选类、检索过滤类」等；第十六条：「以适当方式公示算法推荐服务的基本原理、目的意图和主要运行机制等」。没有专门针对 AI 搜索引用排序的条文。 原文
NIST/SEMATECH《e-Handbook of Statistical Methods》7.2.4.1：比例的 Wilson 置信区间及公式。按此算，3 次中 2 次的 95% 区间为 20.8%–93.9%；前提是各次回答互相独立、测量期间出现率不变。 原文
Sistrix《AI Citation drift》（2026-05-01）：六国 8.3 万条提示词、17 周（2025-12-17 至 2026-04-08）；「AI Mode responses rotate by 56% per week, and ChatGPT by 74%」，ChatGPT 按网址算「85% per week」；AI 概览「In 53% of all prompts, not a single source changes over 17 weeks.」「新」指本周被引、上周没出现。不含国内平台。 原文
21 世纪经济报道（肖潇、陶畅、隆欣玲，2025-04-14）：照哥大 Tow 中心方法，10 家媒体各 3 篇、11 个版本 AI，共 330 次，让 AI 找一段文字的原文出处；约 25% 的回答标题、作者、链接三项全对。今日头条链接 37 次中 34 次来自豆包，公众号链接 27 条中 19 条来自元宝；约 14% 引的是转载链接，豆包 30 次中 8 次。DeepSeek 答「作者是澎湃新闻转自腾讯新闻」，又把一财报道的作者判为「刺猬公社」并配了不存在的网址。记者把一稿多发列为错因之一。 原文
大家也这样问
- 豆包回答里引的是竞品的文章，为什么引它不引我们？
- AI 引了我们官网，能看出它看上的是哪句话吗？
- 把被 AI 引用的网页拆开研究，能摸出它的引用规则吗？