AI 有列出來源,就代表可信嗎?最新研究帶來的 GEO 提醒

AI 回答附上來源,至少讓使用者有機會核對,但「有引用」和「引用可信」仍是兩回事。對網站來說,重點不只是爭取曝光,而是讓主張、證據與來源能互相對得上。

研究觀察2026 年 9 月更新

研究發現什麼?

一篇收錄於 EACL 2026 的研究,以 5 個容易出現錯誤資訊的主題、100 項主張,測試 GPT-4o、GPT-5、Perplexity 與 Qwen。研究發現,各系統在來源可信度與回應方式上存在差異;有些情況會引用較高可信度來源,也可能出現品質較弱或立場偏斜的來源。[1]

另一篇 2026 年預印本則分析 602 組提示詞、21,143 筆引用與 3 個平台,把「選擇哪些來源」和「答案實際採用哪些來源內容」分開觀察。研究指出,來源被列出,不代表它對答案的影響程度相同。[2]

這些結果怎麼解讀?

這些研究提供了重要觀察,但不適合延伸成固定的平台排名。EACL 研究聚焦特定錯誤資訊主題;引用研究仍是預印本,而且平台模型、搜尋索引與介面會持續更新。較可靠的結論是:評估 AI 回答時,不能只看有沒有來源圖示,也要打開來源確認內容是否真的支持答案。

來源數量不是可信度分數。一個答案列出很多連結,仍可能混入二手轉述、資料過期,或與主張只有部分關聯的頁面。

網站如何提高資料可信度?

GEO 成效還要看什麼?

除了記錄是否被引用,也可以檢查引用是否支持正確主張、品牌是否被正確歸屬、連結是否導向最合適的頁面,以及使用者進站後能否完成下一步。若 AI 引用了過期內容或錯誤頁面,引用次數增加反而可能放大誤解。

網站無法控制 AI 每次選擇哪些來源,但可以控制自己的證據品質、更新機制與資訊透明度。這些基礎工作同時有助於一般讀者、傳統搜尋與 AI 搜尋理解內容。

參考文獻

  1. Hao, Y. 等人(2026)。Which Sources Do LLMs Trust? A Study of Source Credibility in LLM Responses。Proceedings of EACL 2026。查看來源
  2. Zhang, Y. 等人(2026)。Citation Is Not Adoption: A Large-Scale Study of Citation Selection and Absorption in AI Search。arXiv 預印本。查看來源

網站諮詢

想知道網站該先調整哪裡?

從 SEO 基礎、內容架構到 GEO、AEO 的搜尋能見度,藍眼行銷可以協助你盤點現況,釐清下一步。

預約 AI 搜尋諮詢