TL;DR
- 四类改写里,结构类在 9 个设置里 9 个有效,论证类 7 个。证据类 6 个,文风类只有 2 个。
- 效果最好的两个单项策略是重组页面和说明目标与对手的区别,都不加任何事实。
- 能改变曝光的改动便宜又看起来正当,所以靠核查页面事实的防护会漏掉大部分效应。
第二篇说明了改写在知道自己为哪个政党服务时会抬高它的曝光。这一篇问的是:什么样的改写能做到。如果 VoteGEO 是个真实的风险,那么起作用的改动是贵的那种(比如编造证据)还是便宜的那种(比如重组页面),区别很大。实验来自 VoteGEO-Bench,全部使用指定目标的改写。
11 种策略和它们的四个类别
我们从此前的 GEO 基准里拿了 9 种策略,自己加了 2 种论证类策略。结构类重组页面或加一份 llms.txt 摘要。证据类加引文、统计数字或权威出处。文风类改流畅度、简化语言,或者加术语和生僻词。论证类要么直接说明目标和对手的区别(比较区分),要么预判并回应反对意见(反驳式)。对每一类,我们统计它在 9 个“引擎 × 指标”设置里有几个出现显著增益。
发现一:结构和论证有效,文风无效
| 类别 | 策略 | 显著增益的设置数 |
|---|---|---|
| 结构 | 内容改进、LLMs.txt | 9 个里的 9 个 |
| 论证 | 比较区分、反驳式 | 9 个里的 7 个 |
| 证据 | 引文、统计数字、权威出处 | 9 个里的 6 个 |
| 文风 | 流畅度、简化语言、术语、生僻词 | 9 个里的 2 个 |
重组页面在每一个设置里都抬高了目标的曝光。写明目标的立场和它与对手的区别,在大多数设置里有效。补充证据的帮助更小,改措辞几乎没有帮助。
发现二:两个单项策略在哪里都领先
“内容改进”把页面重写成更清楚的结构,平均排名 2.61,在 18 个设置里有 13 次进入前三。“比较区分”说明目标和其他选项的差别,平均排名 2.67 紧随其后,18 个设置里有 14 次进入前三。没有任何一个证据类或文风类策略接近这两个。
发现三:最弱的政党相对收益最大
在日本,政党按基线曝光分成几个档位。结构类策略把最低档位的提及覆盖率提高了 4.12 个百分点。相对这个档位很低的起点,这是 14.4% 的相对增益。引擎平时很少提到的政党,恰恰是有目标的改写按比例帮得最多的。
发现四:换更严格的检验,排序不变
用按查询聚类的标准误和多重比较校正之后,48 个类别对比里有 22 个仍然显著,掉出去的那些效应都在 1.5 个百分点以下。结构、论证、证据、文风这个排序,在美国和日本的三个档位里都没有变。
这对风险意味着什么
能改变曝光的改动,是便宜的、看起来正当的那些。没有人需要编一个数字或伪造一句引文。重组页面、把立场写清楚,这两件事都是普通的编辑工作,却正是推动引擎的东西。这让 VoteGEO 很难靠检查内容来发现,因为改写后的页面并不假,只是围绕一个政党组织得更好。这也意味着,围绕“核查被检索页面的事实”建立的防护措施,会漏掉大部分效应。
这一篇没有证明的事
实验衡量的是引擎在固定页面集合里怎么分配曝光,没有测检索。它没有测试读者是否觉得重组后的页面更有说服力或更准确。所有改写都来自 gpt-4o-mini;原始采集里的 Grok 模型不可用,所以用 gemini-2.5-flash 在 Grok 的页面池上跑。