Wiki 知识库

全部文档 / 标签: 实证研究

2 篇
清除

从公开内容发布到AI搜索引用:衡量AI搜索系统的脆弱性

复旦大学与上海浦东密码学研究院团队发布论文,研究10个AI搜索平台(ChatGPT、Perplexity、豆包、DeepSeek等)的引用行为。研究发现:不同平台信源选择偏好明显,头部20个域名可占引用70%以上;80%平台引用了人为发布的虚构概念;发布渠道的选择比内容数量更重要,1篇高偏好平台文章效果可超过20篇低偏好平台文章;14美元即可购买GEO服务使内容被AI引用。作者总结:AI搜索的权力在于决定哪些信息有资格成为答案,GEO应面向不同平台建立独立信源画像,目标是让AI正确理解品牌。

技术 › LLM 姚金刚 (@yaojingang) 2026-10-114.6 KB 81

The Missing Pieces in Recursive Self-Improvement

文章探讨递归自我改进(RSI)的瓶颈:当前 AI 智能体虽能迭代优化结果,却很少重新审视改进背后的策略。基于清华大学等机构的实证研究,分析显示智能体在 5,111 次训练运行中能显著提升模型性能,但仅有约 2% 的情况会切换训练策略,多停留在执行层面的微调。增加经验、人工指导或推理算力均无法根本解决该问题。研究指出,迭代不等于重新思考,Metaⁿ 和 Recuris 等新方法尝试通过递归分层改进策略、演化记忆机制来弥补这一缺失。

技术 › Agent Turing Post 2026-09-058.3 KB 8.2K 109 71