开云体育

剪辑：LRST

【新智元导读】ChatGPT上线告白、315曝光GEO投毒产业链，AI搜索买卖化的隐忧接连浮出水面。龙虾热背后，3000元就能让AI搜索乱语胡言，离全面「胡说」还有多远？来自CMU的ICLR 2026论文AutoGEO提供了一种不同的想路：配合式GEO，在提高内容可见度50.99%的同期保合手搜索质料不受损。

2026年头，OpenClaw龙虾热席卷科技圈，全民养「虾」的狂欢背后，AI正当年所未有的速率浸透平方活命。与此同期，AI搜索的简直度却在两面夹攻下摇摇欲坠。

一方面是平台切身下场。ChatGPT本年2月讲求上线告白，以颓败模块出当今AI回应下方。另一方面更激烈：315晚会曝光，GEO做事商只需3000元起，就能通过批量「投毒」让诬捏家具登上AI搜索的推选位。

当AI搜索既被平台卖告白，又被第三方投毒，用户还能指望它说实话吗？

除了「卖告白」和「投毒」，AI搜索买卖化到底有莫得第三条路？

来自CMU的ICLR 2026论文AutoGEO给出了谜底。

AI搜索买卖化的三条路

要领会刻下的乱象，先看AI搜索买卖化面前出现的三种模式：

第一条路：平台卖告白。 OpenAI、Google等平台方在AI回应中径直镶嵌告白。这是传统搜索引擎的老路。公正是透明可控，问题是一朝告白影响到回应排序和内容，用户信任就会被侵蚀。

第二条路：顽抗式GEO。 也便是315曝光的作念法。第三方做事商通过在网上批量发布失误内容「投喂」AI模子，或在文档中注入侵扰指示，强行提高特定内容在AI回应中的曝光度。可见度如实上去了，代价是搜索质料下落、失误信息泛滥。

第三条路：配合式GEO。 AutoGEO建议的决策。不靠骗取，而是系统地领会AI引擎的偏好，匡助优质内容获取更高的可见度，同期钦慕搜索引擎的回应质料。

三条路的本色永诀在于：前两条是零和博弈（平台/做事商获益，用户受损），第三条是正和博弈（内容方、平台、用户三方共赢）。

AutoGEO的论文用数据阐扬了第三条路的可行。

配合式 vs 顽抗式

差距有多大？

先看最径直的对比。论文将AutoGEO与两种顽抗式GEO方法（劫合手纰谬Hijack Attack和投毒纰谬Poisoning Attack）作念了正面比较。

AutoGEO与顽抗式GEO方法的对比，蓝色标注性能AI搜索遵循（GEU）下落

罢休终点明晰：

顽抗式方法如实提高了可见度，但搜索引擎的回应质料全面下落。表中标色的数值均低于不作念任何GEO的基线，意味着这些方法让AI搜索变得更差了。

AutoGEO在大幅提高可见度的同期，搜索质料保合手以致略有改善。

换句话说，315曝光的那类GEO做事商作念的事情，学术上依然被阐扬是「损东谈主自私」：短期能提高曝光，但搜索引擎会因此给出更差的回应。而配合式GEO能作念到「自私不损东谈主」。

再看举座性能。论文在三个数据集（通用鸿沟GEO-Bench和Researchy-GEO、电商鸿沟E-commerce）上，对比了AutoGEO与统统已有GEO方法。

各方法在三个数据集上的GEO性能对比

AutoGEO API比较此前最强的Fluency Optimization方法，最高提高50.99%。即使是资本极低的AutoGEO Mini（推理资本仅为API版的0.71%），也取得了平均20.99%的提高。

更遑急的是，论文还专诚评估了搜索引擎的实用性：

在Gemini、GPT、Claude驱动的三大引擎上的GEO性能与搜索引擎实用性GEU

在Gemini、GPT、Claude三大引擎上，AutoGEO的搜索质料方针（精准度、调回率、明晰度、知勉力）一起保管在基线水平以致略有提高。

可见度大幅提高，搜索质料依样葫芦。 这才是配合式GEO的真确含义。

AutoGEO为什么有用？

枢纽在于「规则」

AutoGEO之是以能作念到配合式优化，中枢在于它找到了生成式引擎真确偏好的内容特征。

AutoGEO框架概览

具体作念法是：AutoGEO从多数确实的引擎行为数据中，让大模子自动索要偏好规则。经过分四步：对比高可见度和低可见度文档的相反（解释）、提真金不怕火中枢身分（索要）、跨查询汇总（归拢）、去噪留精（过滤）。最终得到一套可解释的规则集。

这套规则有两种使用模式：

AutoGEO API：径直把规则动作辅导词注入GPT、Gemini等大模子API，即插即用。

AutoGEO Mini：用规则动作奖励信号，通过强化学习考研Qwen-3-1.7B小模子。部署资本极低，推理资本仅为API版的0.71%，可在CPU上离线启动。

规则揭示了什么？对内容创作家的启示

这部分发现对任何干注AI搜索的内容创作家王人有参考价值。

不同引擎和数据集间的规则重叠与迁徙性能

发现一：不同AI引擎的偏好大同小异。 相同数据集上，Gemini、GPT、Claude三个引擎的偏好规则重叠率在79%到84%之间。这意味着「好内容」的设施在不同AI引擎之间是重复的。

发现二：不同鸿沟的偏好相反很大。 通用探讨类问题的规则重叠高达88%，但电商鸿沟降到35%。探讨鸿沟偏好「深度解释」和「因果分析」，电商鸿沟偏好「可操作的武艺指导」和「模块化信息结构」。

发现三：定制规则永恒最优，但通用规则也有用。 为特定引擎和鸿沟量身索要的规则效率最佳，但即使径直迁徙其他引擎的规则，也能显贵优于不使用规则的基线。

这些发现给内容创作家一个明晰的信号：与其靠「投毒」这种短期行为博曝光，不如领会AI引擎真确偏好什么，按规则优化内容。后者不仅效率更好，还不会伤害搜索生态。

AI搜索的信任问题

需要「配合」来解

回到来源的问题：卖告白、投毒，AI搜索还能不「胡说」吗？

淌若统统这个词行业王人走前两条路（卖告白+顽抗式投毒），AI搜索的简直度如实会合手续下落。但AutoGEO指出了一种不同的可能性：配合式GEO不错在「显贵」提高内容可见度的同期，搜索质料依样葫芦。

这不仅仅一个学术论断，更是AI搜索生态可合手续发展的看法。当3000元就能混浊AI搜索的回适时，行业需要的不是更高的围墙开云体育，而是更好的规则。正确的GEO不是给AI投毒，而是让优质内容被AI更好地「看见」。