AI可见性证据模型：五因素、证据分级

AI可见性证据模型由richresults.ai发布，旨在为发布者提供一个按证据强度排序的参考框架。该模型定义了五个因素：主题相关性、机器可访问性、实体一致性、可提取性和独立印证，并为每个因素标注了基于同行评审研究、受控预印本及官方平台文档的证据等级。模型的存在是因为该领域缺乏一份简洁的发布者侧参考，能够将主要可操作因素与明确的证据等级和原始来源对应起来。

模型明确区分了描述性与规范性：AI可见性证据模型是描述性的，报告研究现状；而AEO精通框架则是规范性的，定义richresults.ai的实施方法。模型并非排名系统、评分或结果承诺。AI可见性在重复的非确定性答案中呈分布状态，没有任何因素能保证引用。模型的用途是提供优先级：哪些工作有证据支持、哪些属于卫生性工作、哪些被证据反驳。此外，模型刻意限定范围：它排序的是发布者可操作的因素，而检索阶段属于系统侧，受控研究显示该阶段对引用结果起主导作用。

证据等级分为四级：A级为同行评审且受控，或独立复现；B级为受控但可迁移性有限，或官方平台声明；C级为相关性或跨独立数据集的三角验证，但无因果证明；D级为无证据支持或被证据反驳。每个因素还带有机制类型：'门'是二元前提，'驱动'是渐进影响，'卫生'则减少错误却不创造优势。这一等级体系刻意保守，C级并不意味着不重要，只是无人能在生产环境中隔离其因果效应。

在五个因素中，主题相关性是文档侧最强驱动：最大的受控引用研究（6个语言模型中25.2万次试验）显示，主题匹配和模型上下文位置是主导因素，离题内容几乎不会被首先引用。机器可访问性是'门'，官方文档明确要求爬虫权限和索引存在。实体一致性属于'卫生'因素：谷歌表示AI功能无需特殊标记，知识图谱的grounding只是减少实体消歧错误。可提取性分为两部分：位置效应作为模型现象有B级证据，但答案优先结构作为发布者策略仅有C级相关证据。独立印证需拆解为三条陈述：训练数据中的频率和传播因果地决定模型无需搜索即可知道的内容（B级），预印本观察到AI系统偏好第三方媒体（C级），但提及的独立性本身未被证明是因果因素。

证据不支持的做法包括：llms.txt（谷歌明确不使用）、内容级改写技巧（受控研究显示大多无效甚至有害）、schema作为引用开关、AI排名位置作为指标（单次运行不可靠）、以及制造提及（无可靠正面证据）。同时，引用不等于引用保真度：独立审计显示8个AI搜索引擎在来源归属查询上超过60%出错，因此测量计划应同时跟踪可见性和事实准确性。

方法说明强调，每个声明都对照原始来源验证，合成过程还使用多个AI系统进行完整性检查，但系统的趋同只是编辑层面的合理性检查。披露指出，该模型由richresults.ai发布，作者是Stefan Petschinka，未经过外部同行评审。三个限制适用：生产系统是非确定性的、模型和检索方法会变化、任何人都无法在实时答案引擎中因果隔离单一干预。