AI 如何選擇引用什麼來源

生成答案背後的兩步過程

當 ChatGPT、Gemini 或 Perplexity 以即時資訊回答問題時，通常並非憶起訓練時記住的內容。它執行一個檢索步驟——網絡搜尋或對索引的查詢——取出一組候選文件，再基於檢索到的內容生成回應。這在文獻中被稱為檢索增強生成（retrieval-augmented generation，簡稱 RAG）（Lewis 等人，2020）。¹ 檢索到的文件決定最終答案中出現哪些事實與名字；生成步驟則決定如何措辭，以及引述檢索來源中的哪一部分。

檢索傾向於什麼

• 具體勝於廣泛。直接而簡潔地回答「X 收費多少」或「X 在哪裏」的頁面，比只是順帶提及該事實的頁面更容易被檢索到。
• 結構。以清晰標題、清單與表格組織的內容——搜尋引擎長久以來偏好的同一種結構——令檢索系統更容易準確擷取與引述。
• 獨立印證。同時出現在機構網站、目錄收錄與評論平台的事實，比只出現在機構自身頁面的陳述，被檢索時顯得更有信心。GEO 的奠基研究同樣發現，引述統計數字與引文可量度地提高來源在生成答案中的能見度（Aggarwal 等人，2023）。²
• 時效性，對時間敏感的查詢。價格、營業時間與供應狀況，是 AI 答案中最容易過時的類別——如果機構的公開資訊未更新至與現實相符。

為何第三方來源的權重不成比例地高

從檢索系統的角度，機構自身的網站是利益相關方——它有明顯誘因把自己描述得好。目錄收錄、評論平台或獨立新聞報導沒有同樣的誘因，這是它們在 AI 助理實際回傳的引用清單中不成比例地出現的部分原因。在我們自己的香港診所與律師行研究中，目錄與收錄網站佔了引用的很大部分——整體而言，多於大多數單一機構網站。

實際的含意

以上任何一點都不能靠單一技巧利用。它意味著一組具體、並不花巧的優先事項：讓事實資訊（價格、地址、服務）在其出現的所有地方保持準確一致；確保機構出現在其類別與語言相關的目錄上，並正確收錄；把自有內容結構化，令檢索系統能擷取乾淨、具體的答案，而非要求它從市場營銷文字中推斷。