哥大 Tow 中心测了 8 个 AI 搜索：引用错在哪？

一家品牌在 AI 回答里看到自己的名字，旁边还挂了链接，乍看已经算好事。可要是点开后到了别人的转载页，或者品牌名认对了、页面却撑不住回答里的产品信息，这条引用该怎么算？做 GEO（AI 搜索优化）时，品牌方得先看清这几种错。

哥伦比亚大学 Tow 数字新闻中心在 2025 年 2 月，从 20 家新闻出版方各随机选 10 篇文章，截取原文交给 8 种 AI 搜索配置，让它报标题、原发布方、发布日期和网址，共问了 1600 次。8 种配置来自 6 家公司，Perplexity 免费版和 Pro、Grok-2 和 Grok-3 测试版分别计数。

研究者挑的片段，用普通 Google 搜索能在前三条找到原文。这里考的是新闻溯源，不是「哪款产品适合我」一类开放问法，数字不能直接挪过去。

Tow 的正确性评分依据文章、原发布方和网址三项，日期另记；答案也分信息不全、部分错误、全错或没给答案。一个链接能打开，也还没到「引用准确」这一步。

8 种配置合计超过六成溯源提问答错，这是当时英文新闻片段的结果，不能写成「今天 AI 搜索六成答案是假的」。

先是认错原发布方。Tow 给 DeepSeek 的 200 次提问里，有 115 次把片段归给错误来源。品牌方由此可以检查，自己的信息究竟记在品牌、评测站还是转载账号名下；这是从新闻测试推出来的检查项，Tow 没测品牌产品页。

再是认对了，却链到别处。有的回答指向 Yahoo News、AOL 等转载页。Perplexity Pro 与《德克萨斯论坛报》有合作，但查询该报的 10 段文章时，仍有 3 次引向转载版本。原作者可能写对了，读者去的却是另一家；品牌方检查引用，也得点进去看落地页。

还有引用指向错误页。Grok-3 的 200 次提问中，研究者记录到 154 条这样的引用；单位是「条引用」，不是 154 个回答，原文也没区分这些错误页是编造的还是过期的。链接摆在那里，并不保证核对的路走得通。

Tow 记录到，ChatGPT 在 200 次回答里错认了 134 篇文章，却只有 15 次表示没把握，而且没有拒答。这个 15 的分母是全部 200 次回答。研究者还观察到，多数工具很少说「可能」「看起来」。AI 说得笃定，不能拿来当出处可靠的证据。

《国家地理》屏蔽了 Perplexity 的爬虫，也没有与它正式合作，Perplexity 免费版却认对了该刊 10 段付费文章的出处。Tow 没查明这些回答实际从哪儿得到线索，作者提出，其他公开出版物的转述也可能提供信息；不能把「认得出」写成「绕过了屏蔽」。

平台现在的文档又把抓取分得更细：Perplexity 区分搜索结果抓取与用户提问时的取页，称后者「一般不理会」 robots.txt；OpenAI 也区分 OAI-SearchBot 与 ChatGPT-User，称后者「可能不适用」该规则。这些是当前的平台说明，不能倒推 Tow 测试时那 10 段文章的来路。

那放行甚至合作，会不会就引得准？《时代》杂志与 OpenAI、Perplexity 有合作，在样本里属于出处识别较准的出版方之一；《旧金山纪事报》允许 OpenAI 搜索爬虫，其母公司又与 OpenAI 有内容合作，ChatGPT 却只认对它 10 段里的 1 段。每家只有 10 段，算不出合作的总体效果，但也不能把合作当成这几段一定引对的保证。

21 世纪经济报道随后拿 30 篇中文新闻，交给多款国内 AI 做了 330 次溯源提问。它要的是标题、原文作者、原链接，三项全对的约四分之一；这里的约四分之三答错，指三项没能全对，并非四分之三的新闻事实有假。约 43% 的回复没给有效链接或链接已失效。

按报道的综合赋分，豆包得分最高。但它的 30 次查询里，8 次引向转载链接，主要去向是今日头条的自媒体号。报道认为字节系内容池影响了这一结果，换题材未必一样；对品牌方来说，落地页是官方账号还是搬运号，比只看域名更要紧。结果由记者人工判定。

DeepSeek 则出现过另一种错法：《经济观察报》的一篇报道被自媒体照搬后，它把作者归给了自媒体；另一次，它把《第一财经》的稿子归给《刺猬公社》，还给出一个据报道并不存在的网址。报道记录了作者、发布平台和搬运账号被混淆的结果，没有查明模型为什么这样错。Tow 的英文测试和这次中文复测，样本、考察项、产品版本也不同，分数不能放在一起排队。

OpenAI 的搜索帮助页提醒用户：引用可能不全、过时或有错，要打开来源，看页面是否支持回答，再看发布日期或更新日期。品牌方也可以照着检查 AI 写的品牌名、指向的页面和页面里的产品事实，逐条记下错在哪里；这是借用用户核对办法，两项新闻测试并未测过品牌审核的效果。关于逐句核对，图书馆另有一条。

可以这么质疑。真实用户很少贴一段新闻原文让 AI 找出处；Tow 也只问了每段一次，作者提醒，同一问题重问可能得到不同答案。它挑的片段在传统搜索前三条就有原文，从「找得到」看并不难；可它也选了允许或屏蔽爬虫的不同媒体，把访问边界放进题里。这组结果不能代表所有日常问答，也不能用「题目太难」一句话带过。

• Tow 在 2025 年 2 月的英文新闻溯源测试中，超过六成提问答错；这个比例不能当成一般 AI 回答或品牌推荐的错误率。
• Tow 记录到原发布方认错、链接指向转载页或错误页。品牌方可以据此逐条检查自己的引用；Tow 没测品牌页面。
• 21 世纪经济报道的中文新闻溯源测试里，豆包虽在综合赋分中最高，仍有引向转载页的回答；DeepSeek 也有把原作者记到搬运号名下的案例。
• OpenAI 提醒 ChatGPT 搜索用户打开引用，核对原页是否支持回答及页面日期。品牌方把这项提示用于自己的引用审核，是由用户提示推出来的做法。

Tow 每段只问一次，样本是英文新闻，产品也是 2025 年 2 月的版本；中文复测测的是机构媒体报道。两边都没测日常品牌推荐的总体准确率，也不能据此给今天的豆包、DeepSeek、ChatGPT 排名。

《国家地理》的例子只说明 AI 认出了屏蔽爬虫的文章，没说明实际取材路径；合作方的例子也算不出签约带来的稳定收益。