这条在：GEO 图书馆 · 被呈现：AI 怎么说你、怎么画你
AI 介绍一个品牌时，说的话从哪来？
截至 2026 年 9 月 29 日，AI 介绍一个品牌的话主要从两处来：训练时学到的东西，和回答时现搜到的网页；有的还能调工商信息这类现成的数据库。
不联网时，它是按学到的样子重新说，不是从库里调出某一页；联网时，它按搜到的内容整合，可能照着说，也可能自己加话。所以同一个品牌，不同 AI、不同时间说得不一样。
「豆包介绍我们公司的那段话，是从哪来的？」品牌方看到 AI 把自己说错了，常会问这一句。答案不是一个地方。
两条主路，外加一条小路
豆包在算法备案里写得最直白：回答来自「预先学习与全网搜索内容」。一条是训练时学到的东西，一条是回答时现搜的网页。什么时候搜，豆包和元宝的用户协议写法几乎一样：识别到你有联网的意图，或者你自己打开了联网。所以搜不搜，有时是系统判断，有时是你自己开的。
还有一条小路，是现成的数据库。Kimi 的帮助页写明了，它可以调天眼查的企业数据库，查工商、股权、司法这些信息，帮助页说专业数据库要用户手动选。不过我们测的那次，看到它自己去调了天眼查，结果提示额度用完了，没拿到。
不联网时：按学到的样子重新说
不联网的时候，回答来自模型已经学到的东西，再加上你这次交给它的内容。DeepSeek 的官方说明是这么写的：生成「并非简单检索或“复制粘贴”」训练文本，模型里也不存训练原文的副本。所以这时候的公司介绍，是按学过的样子重新说出来的，不是从哪个库里调出某一页。
训练时学的是什么？我们查到的公开材料里，豆包、元宝、DeepSeek、Kimi、千问都没说过百科、新闻、网页各占多少。公开过配比的是几个英文老模型。GPT-3 的训练里，维基百科只占 3%，却过了 3.4 遍，作者说质量高的数据会多学几遍；过滤后的网页数据 Common Crawl 占 60%，只过了 0.44 遍。LLaMA 筛英文 Common Crawl 时，把不像维基百科引用过的页面丢掉了，这是 2023 年这个模型的做法。
冷门的东西就难了。有篇 2022 年的研究叫 PopQA，按维基百科的浏览量挑出最冷门的 4000 道单事实题，GPT-3 davinci-003 答对 19%，小得多的 GPT-J 6B 是 16%，模型大了也没明显帮上忙。这些是问答题，不是公司介绍；新品牌在训练里有几篇资料，这组题看不出来。
联网时：照着说，也会自己加话
联网以后，豆包、元宝的协议说的是按搜到的内容「整合」，还提醒标了来源也可能不准。整合，就是不保证逐字照搬，也不保证不自己加话。
我们自己的例子最能说明问题。9 月 27 日，我们在四家 App 里问「上海的母本工作室是做什么的？」，每家问一次：
- 豆包联网搜了 5 个词、参考了 22 篇。前两个词就是公司名，后面混进了 MotherStudio、服装面料，最后一个是「Mother 上海 广告公司」。它最后答成了伦敦广告公司 Mother 的上海办公室，还自己加了一句「很多人俗称“母本工作室”」，这句在它列的来源里找不到。
- DeepSeek 搜了 25 个网页，排在第一的是天眼查上一家名字相近的工作室的年报，它就照那一页介绍了一遍。
- Kimi 网页搜索超时，调天眼查又额度用完。它说没有哪家机构全称就叫这个，又把最接近的一家近名工作室介绍了一下，标注来自百度百科。
- 元宝这次没显示搜索，给了很具体的答案，合作方、成立年份都有，这些我们没法核。
换成「母本（mubenwave.com）是做什么的？」，四家又是四个答案：豆包说大概是打错了，应该是幕布；DeepSeek 说最可能是 App Store 上一款叫 muben 的行车记录仪应用；元宝说是一款叫「墨本」的儿童 AI 硬件；只有 Kimi 打开了我们的官网，照着把定位说对了。这一次，读到官网的那家说对了。
研究里也见过这种事。2023 年有篇叫 FActScore 的研究让 AI 写人物小传，带搜索的 PerplexityAI 会把不相关的搜索结果直接抄进来，问 John Estes，写成了演员 William Estes；同一篇里 ChatGPT 很少这样。另一篇研究故意把检索材料改错，六个顶级模型有六成以上的情况会放弃自己本来对的答案，跟着错材料走，模型越没把握越听材料的。那些是药量、奥运纪录这类题，材料是人为改错的，冷门品牌是不是也这样，这组实验证明不了。
同一个品牌，说法可以不一样
几样东西叠在一起：这次搜没搜不一定；每次搜到的几页不一定一样；回答本身带随机性，OpenAI 自己也说同一个问题问几次，答案可能不一样；各家引的地方也不一样，一家卖可见度监测的公司 Profound 统计过，维基百科在 ChatGPT 的全部引用里占 7.8%，排第一，在 Google AI 概览里只占 0.6%，那是各种问题混在一起的数，问题集也没公开。
元宝的备案里还同时列了混元和 DeepSeek 两套算法，没写默认用哪个。会不会因此换一套说法，我们没对照过。
这对品牌方意味着什么
- 先分清错在哪。回答里有参考资料的，去对那几页；页上找不到的句子，可能是它自己加的。没有参考资料的，只能说这次看不出它搜没搜，不一定是训练时的印象。
- 它引的那一页写错了，先改那一页，找得到主人的，去找主人改。改源头的门路见《AI 把我们说错了，能找谁改？平台上有哪些纠错通道？》。它自己加的、来源里没有的话，改了源头也不一定碰得到。改完有没有用，我们还没测过。
- 被认成了同名、近名的别人，要把「我们是谁、不是谁」写清楚，见《同名、近名的品牌，AI 怎么分清？实体和 sameAs》。
- 已经学进去的旧说法，品牌方改不了，只能等模型更新。联网那部分是另一条路，新页面有可能被搜到，但不保证能盖过它原来的印象。
「AI 的公司介绍就是抄百科的」？
这话不全对。不联网时，DeepSeek 写的是，生成并非简单检索或复制粘贴，模型里不存训练原文的副本，所以不是从库里调出某一页；联网时，百科只是它可能搜到的来源之一。我们问的那几次，来源里有 Mother 的官网、天眼查、App Store、幕布的页面、我们的官网，也有 Kimi 给近名工作室标的百度百科，没有一家是整段只靠百科。这是我们自己手机上的测试结果，供参考。
百科确实有分量：GPT-3 的作者写明，维基这类他们认为质量高的数据多学了几遍；前面那组引用统计里，维基是 ChatGPT 的第一来源，虽然只占 7.8%。但国内几家训练里百度百科占多少，我们没查到公开的数字，不能说国内的 AI 就是照百科说的。
这些结论别往外推
- 我们的例子是 9 月 27 日两个问题、每家各问一次，那时官网才上线两天，训练里不可能有我们。
- GPT-3、LLaMA 的配比是英文老模型的，国内几家我们没查到同类数据。
- 冷门那几组研究，测的是问答题和人物小传，不是公司介绍。
- 元宝给的合作方、成立年份，只测了一次，我们也没法核。
出处 15 条，A 级 14 条、B 级 1 条 · 展开全部
豆包《算法及模型备案公示说明》（页面标 2026-08-24）：「豆包大模型算法在用户提出问题后，识别用户的需求，通过预先学习与全网搜索内容，在对话框中或落地页中展示对应的结果。」 原文
《腾讯元宝用户协议》：「如识别到您有联网搜索意图或您主动选择了联网功能，我们会以非人工检索方式自动搜索第三方网页链接的公开信息」；「本软件的输出内容是模型基于自然语言理解能力对搜索信息进行的智能整合，虽然标注了搜索来源，但仍可能存在不准确之处」。页面未标日期。 原文
《豆包用户协议》（2026-09-10 更新）：「若识别到你有联网搜索意图或者你主动选择了AI搜索功能，我们会以非人工检索方式自动搜索第三方网页链接的公开来源信息」；「本软件的输出内容是模型基于自然语言理解能力对搜索来源中的信息的整合，即使标注了搜索来源，输出内容仍可能存在不准确之处」。 原文
《元宝算法及模型备案信息说明》：同时列了「腾讯混元大模型多模态算法」和「DeepSeek 大语言模型算法」两套算法。页面没说用户默认用哪个、何时切换。 原文
DeepSeek《模型原理与训练方法说明》：预训练主要用「(1) 互联网上公开可用的信息，(2) 我们与第三方合作获取的信息」；「此过程并非简单检索或“复制粘贴”模型训练数据中的原始文本，模型也并未存储用于训练的原始文本数据副本」。 原文
OpenAI 帮助中心《How ChatGPT and our foundation models are developed》：「there is an inherent element of randomness in how the model responds. As a result, the same question may yield different answers」。 原文
Kimi 帮助中心《联网搜索》：「开启后，Kimi 将自主判断当前问题是否需要实时数据，智能调用搜索引擎与垂直数据库完成信息检索与整合。……天眼查企业数据库：企业工商信息、股权、司法风险等数据」。专业数据库要用户手动选。 原文
Google 官方博客（2024-05-30）谈 AI 概览：「They’re not simply generating an output based on training data」；并用「data void」「information gap」解释网上高质量内容很少时的情况；在吃石头那个例子里，AI 概览链到了仅有的那一两个网页。 原文
Brown 等《Language Models are Few-Shot Learners》（GPT-3，2020 年预印本）表 2.2：过滤后的 Common Crawl 占训练配比 60%、训练中约过 0.44 遍，维基百科占 3%、过 3.4 遍；「datasets we view as higher-quality are sampled more frequently」。 原文
Touvron 等《LLaMA》（2023 年预印本）表 1：英文 Common Crawl 占 67%、维基 4.5%（约 2.45 遍）；并用分类器筛网页：「we trained a linear model to classify pages used as references in Wikipedia v.s. randomly sampled pages, and discarded pages not classified as references.」 原文
Mallen 等《When Not to Trust Language Models》（PopQA，2022 年预印本）：最冷门的 4000 道题上，GPT-3 davinci-003 只答对 19%，放大模型没有明显提升，加了检索的小模型反而更好；另有 10% 的题，模型本来答对，加了检索反而答错。 原文
Min 等《FActScore》（2023 年预印本）：让模型写人物小传、按原子事实核对，ChatGPT 约 58% 的事实站得住，实体越冷门越不准；带搜索的 PerplexityAI 在冷门人物上也明显下降，还会「directly copies search results even if they are largely irrelevant」，例子里把 John Estes 写成了演员 William Estes。 原文
Wu、Wu、Zou《ClashEval》（2024 年预印本）：检索材料被人为改错时，六个顶级模型「overriding their own correct prior knowledge over 60% of the time」；模型越没把握，越跟着材料走。 原文
Profound（AI 可见度监测厂商）统计 2024-08 至 2025-06 约 6.8 亿条引用：「Wikipedia serves as ChatGPT's most cited source at 7.8% of total citations」；Google AI 概览里维基约占 0.6%。问题集和样本没公开。 原文
母本自测（2026-09-27，手机 App，各开新对话问一次）：问「上海的母本工作室是做什么的？」，豆包联网（搜 5 个关键词、参考 22 篇），搜索词里有「Mother 上海 广告公司 Mother Shanghai 母本」，答成伦敦广告公司 Mother 的上海办公室，还加了一句「很多人俗称“母本工作室”」，这句在它列的来源里找不到；DeepSeek 联网（25 个网页），参考首条是天眼查上一家名字相近的工作室的年报，就照那家的工商信息介绍；Kimi 网页搜索超时、调天眼查提示「额度用尽」，说没有可核验的机构全称就叫这个，又介绍了最接近的一家近名工作室，标注来自百度百科；元宝没显示搜索，答成 Mother 上海，还给了合作方和成立年份，这些我们没核。问「母本（mubenwave.com）是做什么的？」，豆包说大概是打错了、应该是幕布 mubu.com，DeepSeek 说最可能是一款叫 muben 的行车记录仪 App，元宝说是一款叫「墨本 Moben」的儿童 AI 硬件，Kimi 打开了 mubenwave.com，照官网说对了。 原文
大家也这样问
- 豆包介绍我们公司的那段话是从哪来的？
- AI 说的公司简介是抄百科的吗？
- AI 为什么把我们说成这样？
- AI 介绍我们的信息是旧的怎么办？