Breaking News Out of the Filter Bubble: Generative AI Search Diversifies Collective Attention and Raises Shared Information Consumption(打破过滤气泡:生成式 AI 搜索分散群体注意力并提高共享信息消费)于 2026-09-30 提交到 arXiv,作者 Heeseung Andrew Lee, Dokyun Lee, Gwanhoo Lee, Dongwon Lee。去 arXiv 读原文,或下载 PDF。
为什么和被引用有关
- 一项涵盖 37561 名读者的随机实地实验显示,生成式 AI 搜索扩大了主要新闻话题的触达面,增加了读者之间的信息重合度。
- 整体受众和单个读者的信息消费集中度均有所下降,注意力逐步转向较冷门的话题。
- AI 回答无需用户点击单篇文章就能传递核心背景信息,拓展了用户单纯打开文章之外的阅读面。
- 读者搜索次数的增加弥补了单次搜索阅读文章较少的情况,使得每位读者的总文章消费略有增加。
- 提供带有引用的 AI 生成摘要后,读者每分钟消耗的总信息量有所提高。
最重要的一点。 生成式 AI 搜索为读者提供了核心新闻的公共基础,同时通过引用来源和后续查询,促使读者探索更广泛的冷门话题。
摘要
Generative AI search and AI overviews are transforming access to information and news, renewing concerns that readers will encounter a narrower range of topics and have less in common. We examine these concerns via a randomized field experiment with 37,561 readers at The Washington Post. Both groups searched the same archive, but treatment readers also received AI answers with article citations above conventional results. Measuring consumption across displayed answers and opened articles, we find that AI search expands the reach of widely read topics and increases overlap in readers’ topic consumption. At the same time, consumption becomes less concentrated and shifts toward less-popular topics, both within readers and across the audience. AI answers account for most of the increase in shared information, delivering it without requiring article clicks and broadening exposure beyond the articles readers open. Cited articles also contribute to the shift toward less-popular topics. Readers shift from conventional-result clicks and browsing toward cited articles and follow-up searches. More frequent searching offsets lower article consumption per search, producing a small increase in article consumption per reader. Total information consumption per minute also rises. Generative AI search can thus diversify collective attention while strengthening the information readers have in common.
译文:生成式 AI 搜索和 AI 概览正在改变人们获取信息和新闻的方式,这也引发了新的担忧,人们担心读者接触到的话题范围会变窄,彼此之间的共同话题也会减少。我们在华盛顿邮报对 37561 名读者进行了一项随机实地实验来研究这些问题。两组读者检索相同的档案库,实验组读者在传统结果上方额外获得了带有文章引用的 AI 回答。通过测量展示的回答以及打开的文章中的信息消费,我们发现 AI 搜索扩大了广泛阅读话题的覆盖面,并增加了读者话题消费的重合度。与此同时,无论是在个体读者内部还是在整体受众层面,消费集中度都出现下降,并向冷门话题转移。AI 回答贡献了共享信息增长的大部分,无需读者点击文章即可提供这些信息,并将读者的接触面扩大到了所打开文章之外。被引用的文章也推动了向冷门话题的转移。读者从点击传统搜索结果和浏览页面,转向点击引用文章和发起后续搜索。更频繁的搜索弥补了每次搜索文章消费量较低的问题,使得每位读者的文章消费量出现小幅增长。每分钟的总信息消费量也出现上升。因此,生成式 AI 搜索可以在加强读者共有信息的同时,让群体注意力更加多元化。
关键术语
- 检索增强生成 (Retrieval-Augmented Generation):一种先从数据库检索相关文档,再由语言模型将其综合生成直接回答的技术。
- 过滤气泡 (Filter Bubble):指算法推荐导致用户接触到的信息面变窄,从而陷入封闭信息环境的现象。
- 共享信息消费 (Shared Information Consumption):指不同读者共同接触和阅读相同主流新闻话题的程度。
- 话题集中度 (Topic Concentration):用于衡量用户注意力是分散在多个不同主题上,还是只集中在少数几个主题上的指标。
- 话题流行度 (Topic Popularity):衡量信息消费是偏向全网热门大事件,还是偏向小众边缘题材的指标。
论文原文
该实验在数万名新闻读者中对比了生成式 AI 搜索与传统排序搜索的效果。
We examine these concerns via a randomized field experiment with 37,561 readers at The Washington Post. Both groups searched the same archive, but treatment readers also received AI answers with article citations above conventional results.
译文:我们在华盛顿邮报对 37561 名读者进行了一项随机实地实验来研究这些问题。两组读者检索相同的档案库,实验组读者在传统结果上方额外获得了带有文章引用的 AI 回答。
生成回答直接提供了共享背景信息,引用链接则引导读者阅读小众文章。
AI answers account for most of the increase in shared information, delivering it without requiring article clicks and broadening exposure beyond the articles readers open. Cited articles also contribute to the shift toward less-popular topics.
译文:AI 回答贡献了共享信息增长的大部分,无需读者点击文章即可提供这些信息,并将读者的接触面扩大到了所打开文章之外。被引用的文章也推动了向冷门话题的转移。
读者发起搜索的频率增加,抵消了单次搜索点击文章数量的减少。
More frequent searching offsets lower article consumption per search, producing a small increase in article consumption per reader. Total information consumption per minute also rises.
译文:更频繁的搜索弥补了每次搜索文章消费量较低的问题,使得每位读者的文章消费量出现小幅增长。每分钟的总信息消费量也出现上升。
论文里的图
请观察生成式搜索如何同时提高共享信息消费、非核心信息消费以及人均搜索频次。
图来自论文 arXiv:2609.38946,版权归作者。原图说明:Figure 1: (A) RAG search increases consumption of both shared and non-core information. Node area shows the amount of information consumed per reader, and edges connect topics consumed following the same search (Supplementary material, section S27). (B) RAG search increases searches per reader and total information consumption per search (search efficiency). Total information consumption per reader increases more than time on site per reader, so total information consumption per minute (consumption efficiency) also increases.
请观察个体与群体层面话题集中度的下降,以及阅读重心向冷门话题的转移。
图来自论文 arXiv:2609.38946,版权归作者。原图说明:Figure 2: At both the individual and aggregate levels, RAG search disperses total information consumption toward less-popular topics. In the aggregate panel, dot positions show the concentration and popularity of each group’s overall consumption. Dot area is proportional to shared information consumption averaged over all readers in each group, which is higher in Treatment than in Control.
作者自己说的含义
- 生成式 AI 搜索并不会必然导致读者被封闭在孤立的信息茧房中。
- 直接展示的 AI 回答可以在不挤占文章总阅读量的情况下,维持跨受众的共同事实基础。
- 在 AI 回答中呈现具体来源链接,能够引导读者发现传统搜索列表里很少被点击的长尾内容。
可以怎么做
- 在 AI 回答正文中直接加入清晰的内容源链接。 依据:实验表明被引用的来源文章直接促成了读者向冷门话题的转移。
- 优化搜索交互以便用户快速发起连续追问。 依据:更多频次的后续搜索弥补了单次查询点击率的下滑,进而提升了人均文章阅读总量。
- 将核心要闻整理为结构清晰的事实参考内容以方便模型提取。 依据:AI 回答承担了读者群体之间共享信息增长的主要来源。
注意。 该研究仅在单一主流新闻网站内部完成,未测试索引多家出版机构的通用型外部搜索引擎。
一句话
该实地试验证明,生成式 AI 搜索不仅能增加读者共享的新闻认知,还能拓宽整体话题范围。带有引用链接的生成回答帮助读者探索了更多冷门内容,并激发了更多的后续搜索。内容平台与搜索产品可以借助这种模式维持公共话题连接,同时促进长尾内容的有效分发。
这篇解读根据论文原文写成,发布前有人看过。引用的段落是原话,数字都是作者自己报告的。方法和完整结果请读论文。