分析:五类可能操纵 LLM 搜索结果的后门路径
一篇分析文章梳理了五类可能影响 LLM 搜索结果的黑帽 GEO 路径,包括篡改 Internet Archive 文档、构建合成共识网络、制造引用链、接管过期权威域名和利用学术仓储。
一篇分析文章梳理了五类可能影响 LLM 搜索结果的黑帽 GEO 路径,包括篡改 Internet Archive 文档、构建合成共识网络、制造引用链、接管过期权威域名和利用学术仓储。
AI 助手正介入用户的产品发现与购买决策,营销重心从吸引用户访问页面转向被 AI 纳入候选答案。Pew Research 对 900 名美国成年人的研究显示,含 AI 摘要的搜索中传统结果点击率为 8%,无 AI 摘要时为 15%;Accenture 2026 年逾 25,000 名消费者调查中,32% 愿将购买决策交给 AI 智能体。
一名用户测试发现,在 Google 搜索中使用 -ai 参数排除 AI 结果时,查询 iOS Safari 去 AI 工具会返回无结果,而去掉该参数后结果正常。其他主题的 -ai 搜索仍可正常工作,用户因此怀疑 Google 针对屏蔽 AI 的相关查询限制了该参数。
文章批评 Google 以单一搜索入口组织互联网信息,近 30 年后反而催生广告、SEO 垃圾内容和糟糕浏览体验。作者认为 AI 公司承诺用新文本框替用户搜索并总结网页,但其答案仍依赖搜索和网页内容,只会把低质信息包装成结果。优质内容多存在于搜索引擎和 AI 难以发现的小型社区网站,问题本质仍是信息组织与长期价值筛选。
研究者让 Meta Muse、Anthropic Claude Opus 5.5 Medium 和 OpenAI GPT 6.1 Sol Medium 分别用英语补全美国、用波斯语补全伊朗在世界银行全球公共采购数据库中的缺失信息。
用户搜索 2010 年代篮球梗「hes never coming over dario」时,Google AI Overview 误判其被名为 Dario 的男性伤害,给出共情式安慰而非相关旧帖链接。目标内容实际在 AI 概览下方数百像素处,作者质疑这种 LLM 化回应偏离了搜索引擎整理信息的职责。
Didn't expect this 🤯 We replaced embeddings with Jev in GPT Researcher's RAG pipeline and tested both on 28 research tasks from SimpleQA and open ended research. Jev beat embeddings on every quality measure we ran: - 59% more relevant context (73% vs 46%) - Reports preferred 15 to 3 in blind comparisons - Same cost per report GPT Researcher now runs on Jev by default, and no longer needs embeddings at all. All you need is @LangChain + @tavilyai +Jev for the perfect RAG system. Check out the repo here: https://github.com/assafelovic/gpt-researcher Research: https://docs.gptr.dev/docs/gpt-researcher/gptr/context-filter