簡短回答： 在最大的一份公佈的關於回答可靠性的研究報告中,專業記者在“回答可靠性”中發現了一些重大問題。 45% 備註 AI 助理解答消息,以及 嚴重來源問題 31% ——缺失、誤導或不正確的歸屬(歐洲廣播聯盟和 BBC,10月 (中文(簡體) ). 2025。沒有理由認爲關於你的公司的答案會得到更仔細的處理,也沒有引擎會爲一個事實錯誤提供一個倒閉路線或一個罰單排隊.
一個得到你定價錯誤的答題引擎失敗了, 和獲得選舉錯誤的引擎失敗一樣: 管道里沒有任何東西能區分品牌事實和新聞事實。 這部作品涵蓋了失敗率, 四個方法,一個答案對公司來說是錯誤的, 爲什麼糾正不是直截了當的, 一個實際捕捉到它的監測方案是什麼樣子, 以及監管背景。
核心重點
- 電話 EBU/BBC 評估的學習 3,000 AI 助理答覆 22 公共服務媒體組織; 18 國家 14 ,並發現在語言和語言方面有重大問題 45% 答案的答案 答案的答案 答案的答案 答案的答案 答案的答案
- Gemini 表明存在重大問題 76% 這項研究中的答覆, 超過測試的另外三名助理的兩倍。
- 沒有任何主要的AI答題引擎爲公司的事實錯誤提供更正臺,取下路由或提交端點.
- 品牌答案錯誤分爲四種不同的類型—— stale, misatized, conflect and dusced——每個類型都需要不同的修補.
- 歐盟委員會的普通用途透明度義務 AI 下劃線 EU AI 法案在下列情況下完全可執行: 2 8月(半天) 2026.
助理們多久會搞錯?
AI-Assistant準確性最強的公開衡量來自最有經驗的新聞組織,
| 查找 | 費率 |
|---|---|
| 回答至少一個重要問題 | 45% |
| 解決嚴重來源問題——缺失、誤導或歸屬不正確——的答案 | 31% |
| 回答主要準確性問題,包括幻覺細節和過時信息 | 20% |
| Gemini,重大問題——其他助理的兩倍以上,主要原因是來源不足 | 76% |
資料來源:歐洲廣播聯盟和 BBC,10月 (中文(簡體) ). 2025 結束 3,000 專業記者在2008年 22 各地的公共服務媒體組織 18 國家 14 語言,測試 ChatGPT副駕駛 Gemini 財務報告和已審計財務報表 Perplexity.
兩種細節可以將這一說法轉移給品牌權利主張。 失敗在語言和地區之間是一致的,因此它不是一個市場的動畫。 主要的失敗模式是來源而不是發明 — — 助理將權利主張附在錯誤的來源上,或者沒有來源上,這往往比它直接捏造權利主張更常見。
提醒性說明是值得的:本研究測量的是新聞而不是品牌。 在這個尺度上,沒有相應的品牌精確性研究,2025年10月以來模式行爲也有所改變。 它仍然是目前最嚴格的代理,因爲潛在的失敗機制——來源分散、實體混亂、過時引用——在新聞和品牌索賠之間是共享的,在2004年,進一步探索了這一模式。 AI搜索引擎如何決定哪些品牌需要提及和引用.
你答錯的四種方法是什麼?
四種失敗類型中的每一種都有不同的根源和不同的修補,而將它們合起來,就是爲什麼大多數"AI"的名聲都無從談起.
| 失敗 | 看起來像什麼 | 根因緣 | 到底什麼問題 |
|---|---|---|---|
| 斯圖爾 | 舊定價、停產、前執行官 | 引用的源已過時, 或模型的內存在更改之前 | 更新或退出源頁面;更正第三方記錄 |
| 錯誤分配 | 真實的事實 記錯了公司, 或者你的事實 記錯了別的地方 | 確定失敗——以上31%的類別 | 使正確的來源清晰,比錯誤的來源容易歸屬 |
| 拼湊 | 答案將您與一個類似名稱的組織合併 | 實體解析失敗 | 實體身份工作:一個犬類之家,穩定的識別特徵,一致的命名. |
| 已製造 | 一份沒有來源的索賠 | 生成失敗,最常見的是來源稀疏 | 發佈可覈對的真實版本的源; 薄覆蓋邀請發明 |
實體決議 一種機器決定一個名字所指的哪個現實世界組織的過程。 拼接不是通過發佈更多內容來固定的。 更多來自無法解決的實體的拼接會增加噪音而不是清晰度,這個問題在以下語句中作了更深入的闡述: 結構化數據和實體身份 AEO製造集中在覆蓋範圍較薄的地方,這意味着固定裝置提供源,而不是對輸出提出異議。
爲什麼你不能直接糾正它?
任何主要的答題引擎上都沒有校正臺,所以唯一可用的槓桿就是改變檢索層發現的東西,等待其生效.
任何主要引擎都無法爲公司、提交端點或票務隊列的錯誤提供一個倒車路線。 間接機制由於三個結構原因緩慢。
- 檢索模式可以在一個源固定後數日到數週內更新. 記憶模式——在訓練期間將事實烤入模型中——只有在模型重新訓練時纔會改變,因此今天公佈的更正無論花費多少,都可能無法到達這個季度.
- AI引用的很大一部分來自第三方,而不是公司自己的網站,這是在“Webs”中探索的動態。 爲什麼第三方品牌會提到GEO和AI搜索的內容。如果錯誤來自目錄條目、舊新聞稿或社區線程,糾正自己的網站不會觸摸它。
- 引用源源從一個運行到另一個運行時都非常頻繁。錯誤可以消失和重新出現,而實際上沒有任何東西被修復,這使得錯誤錯誤錯誤更正很容易發生。
監測方案會是什麼樣子的?
一個實際捕捉品牌答題錯誤的程序跟蹤答案文本本身的準確性,而不只是該品牌是否被命名.
- 在跟蹤的集中包含準確性問題,而不僅僅是可見度問題——"公司做什麼?","產品成本多少?","公司在哪裏?","誰建立了公司?",一個可見度的衡量答案,是否你被點名;它不回答所說的話是否屬實,這個區別包含在其中. 如何衡量AI的知名度而不欺騙自己.
- 給答案文本分數,而不僅僅是提及——正確,不完整,分配錯誤,拼湊,捏造。一個提及率的儀表板給出錯誤的答案是成功的。
- 運行它每個引擎和每個語言。 EBU/BBC 失敗情況始終如一 14 語言,以及 Gemini 以比其他被測試的助手的兩倍多的速度失敗;平均分數完全隱藏了需要動作的引擎.
- 重複到足以區分一次錯誤。 鑑於引用的集合量多大, 一個錯誤的答案是單一樣本; 一個超過三分之一運行的主張是模式 。
- 追蹤每個錯誤的來源, 意思是 帶錯索賠的具體引用的 URL, 因爲沒有該步驟的校正就是猜測工作 。
- 記錄原始的答案文本,因爲顯示錯誤已經糾正,需要前後兩個部分。
任何履帶設備中最便宜的高價值添加就是簡單的"公司做什麼?",每月在每臺引擎上運行——它捕獲混音,呆滯和編織成一行,幾乎沒人跟蹤,因爲它不是一個能見度的度量.
如何減少你攜帶的暴露?
公司無法控制一個答題引擎的生成步驟,但可以減少檢索步驟必須做的猜測.
- 使真實版本容易找到,容易屬性和清晰的日期。 求解失敗是上面最大的錯誤類別, 因此一個毫不含糊, 流暢, 結構完善的來源就是直接的反措施, 如上面所覆蓋的 AI答引擎實際上讓你引用的是什麼.
- 解決實體:一個犬類之家,穩定的識別標誌,一致的命名,以及
sameAs鏈接到外部記錄。拼接是身份失敗,而不是內容失敗。 - 先修固第三方記錄,Directories,數據庫,百科全書參考文獻和舊報道比它們包含的事實更能活性,被引用的頻率比公司自己的網頁要高.
- 公佈尷尬的事實 — — 定價、限制、產品不是用來做什麼的。 如果公司留下空白,檢索就會從不太準確的地方填補缺口,或者發明。
- 和一切約會,機器讀的, 因爲只有來源說出事實, 才能檢測到這種停滯。
- 保留檢索爬行器解鎖。無法獲取的站點無法校正記錄,一些主機平臺的默認爬行器阻塞規則無法區分AI訓練bots和檢索bot,它們回答引擎實時檢查事實時所使用的bot.
沒有一個這樣的操作會強制特定輸出。 每個反制都會改變引擎操作員控制之外的任何系統上的概率, 特別是內存- 模式錯誤在商業時間線上無法解決 。
監管背景有何變化?
監管和訴訟正在轉移,但目前都沒有給公司提供糾正一個錯誤答案的直接途徑。
歐盟委員會的普通用途透明度義務 AI 下劃線 EU AI 法案在下列情況下完全可執行: 2 8月(半天) 2026新聞公報追蹤出版商交易和針對 AI 公司記錄了越來越多的針對 Perplexity 由新聞公司、紐約時報、大英百科全書和Yomiuri Shimbun等組織提起的版權或內容使用爭議。
這兩種發展趨勢表明旅行方向:供應商的義務不斷增加,而擁有資源的組織則在沒有產品機制的地方使用訴訟。 對大多數公司來說,今天也不是一個實際的補救辦法,這讓內部監測能力成爲了更可靠的選擇。
怎麼樣 Lifewood 採用品牌準確性監測方法?
Lifewood 運行在用於可見度跟蹤的同一跟蹤提示集內的準確性問題,在答案文本上而不是單獨提及。
運行按引擎和語言進行,原始輸出保留,這樣就可以比照之前的運行來顯示一個更正錯誤。 在任何補救工作開始之前,錯誤被歸類爲 stale, mistatized, 拼接或編造,因爲這四種路徑完全不同,其中兩種完全不是內容問題。
補救工作本身大多是在客戶自己的網站之外——第三方記錄、實體身份和公佈可覈查來源,以瞭解目前正在檢索的事實。 100+ 語言 和 40+ 跨省服務中心 30+ 國家,因爲英文讀得準確的答案在另一種語言中通常是錯誤的,因此,在《公約》中進一步涵蓋的一個空白。 AEO 市場中的 Google 不屬於此像這樣的節目 位於Lifewood的 AEO 和 GEO 服務。