先给结论：有来源链接，不等于回答忠实于来源

判断 AI 引用准确性，不能只看回答有没有给出网站链接。真正需要核对的是：回答中的每条事实，能否由它所指向的来源支持；来源支持时，原文的对象、范围、条件、时间和不确定性是否也被保留下来。页面链接正确，但回答把“部分样本”说成“所有用户”，或把“可能相关”改成“必然导致”，仍然属于支持不足。

可操作的核验单位是“回答中的一个原子声明 + 一个明确来源 + 一个页面版本”。先把复合句拆开，再逐条回到被引用页面的具体段落，记录支持关系和限制。本文的维度与状态是 ZenLeak 提出的人工审查表，不是各 AI 平台的统一标准，也不能据此推断某种写法一定会提高引用概率。

最小核验闭环

保存回答与环境 → 拆分原子声明 → 定位对应来源段落 → 对照对象、范围、条件、时间与结论强度 → 标记支持状态 → 记录页面版本和未知项。

为什么不能把“出现引用”直接记为“引用准确”

生成式搜索的引用评价研究会区分引用是否覆盖回答中的声明，以及每个引用是否真正支持它所关联的声明。两者回答的是不同问题：一个看来源覆盖，另一个看来源与声明的支持关系。因此，回答里出现 ZenLeak URL，只能证明界面出现了一个来源入口；是否采用了页面内容、来源是否支持具体句子，还需要单独检查。

此外，一段回答往往把事实、推断和建议混写。一个来源可能支持其中的事实，却不支持后面的因果解释。审查时如果只给整段打“正确”或“错误”，就会掩盖哪些部分有证据、哪些部分超出了证据范围。

第一步：把回答拆成可以单独核对的声明

拆分时保留主体、谓词、对象、数量、时间、条件和因果关系。可以把一句话改写成多行核验表，但不要改变原意，也不要把 AI 没说的前提偷偷补进去。

回答原句原子声明需要的证据
“提交 20 个 URL 后，20 个页面都被百度收录，网站流量因此增长。”已提交 20 个 URL；20 页均已收录；流量增长；提交导致增长。提交响应；逐 URL 的平台索引证据；定义明确的流量数据；可支持因果判断的研究设计。
“这项测试说明该结构适用于所有 AI 平台。”测试中观察到什么；样本覆盖哪些平台；结论能否外推到未测试平台。原始问题、平台名单、有效样本、测试窗口和外推限制。
“AI 引用了这篇文章，证明文章内容准确而且排名靠前。”来源是否为该文章；文章内容是否支持回答；搜索排名是否被测量；引用与排名是否有关联。回答中的来源 URL、对应正文段落、搜索结果记录及能排除其他解释的证据。

一句话里出现“因为、所以、导致、全部、首次、目前、至少、只要”等词时，应特别检查是否隐藏着额外声明。拆分完成后，声明数量可能大于回答句子数；这不是夸大错误，而是让每项判断都能单独核查。

第二步：逐项检查六个容易丢失的限定维度

维度核验问题常见偏差
对象来源谈的是同一个组织、产品、页面、版本或人群吗？把栏目当成产品，把第三方评价写成网站自述。
范围样本、地区、平台、时间和适用人群是否一致？把一轮测试外推为行业规律，把部分页面扩大为全站。
条件结论成立所依赖的前提是否保留？删掉“在本轮样本中”“页面可访问时”或“仅对某版本”。
时间回答使用的是当前状态，还是历史记录？把旧政策、旧价格或已结束的观察写成目前状态。
数量与比较分子、分母、单位、对照对象和比较窗口是否一致？把 3/5 写成 60% 却不说明样本；比较不同时间和不同口径。
因果与确定性来源只显示同时发生，还是确实支持因果？措辞强度是否匹配？把相关、可能或建议改写为证明、必然或保证。

并非每条声明都涉及全部六项。审查者应记录“不适用”的理由，而不是为了填满表格制造限制。对动态信息，还要记下回答观察时间和页面版本；今天打开页面看到的内容，不能自动证明平台当时看到的是同一版本。

第三步：给每条“声明—来源”关系标注状态

推荐使用四种审查状态，并另外记录材料状态。它们是本文的工作标签，不是平台公开的官方分类。

状态适用条件记录方式
支持来源直接支持声明，重要范围、条件和结论强度没有被改写。保存来源 URL、标题、段落定位和支持摘录。
部分支持来源支持核心事实，但回答遗漏了影响理解的限定，或把多个声明压成了更强结论。指出被支持的部分和缺失的条件，不把整句判为准确。
不支持或矛盾来源没有提供所需依据，或来源内容与回答明确冲突。引用反证位置；若只是未找到证据，应写“不支持”，不要擅自写成已证伪。
无法判断回答不显示来源、链接失效、历史页面不可恢复，或关键材料缺失。列出缺失字段；不得把无法检查计作准确或错误。

“未测试”是实验执行状态，不是引用支持状态；“没有链接”也不一定表示声明为假。把这些情况分开，才能避免将缺失数据填成零、否或不准确。

第四步：按固定顺序完成一次核验

  1. 冻结原始材料。保存问题原文、完整回答、可见来源区、平台入口、时间及时区、联网和登录状态；对截图中的账号信息做必要去敏。
  2. 固定目标版本。记录回答所指 URL、规范地址、页面发布日期或修改日期，以及可获得的历史快照或内容指纹。若历史版本无法取得，明确写未知。
  3. 拆出原子声明。分离事实、数量、比较、因果、建议和预测，保持原句以便复核。
  4. 建立来源映射。每个声明单独指向实际支持它的页面和段落。一个来源不能因为与主题相关，就自动支持整段回答。
  5. 对照六个维度。检查对象、范围、条件、时间、数量口径和确定性；必要时查找来源中的反例、限制和相邻上下文。
  6. 给出状态和理由。保存支持状态、证据摘录、来源定位、核验人、核验时间和仍未解决的问题。
  7. 独立复核高影响声明。涉及价格、合规、健康安全、账户操作、收录状态或效果承诺时，安排第二位审核者或明确标记尚未复核。

示例：来源链接正确，但结论只得到部分支持

构造示例，不是真实平台回答

以下句子和数字仅用于说明审查方法，不代表 ZenLeak 或任何 AI 平台的真实测试结果。

假设 AI 回答：“ZenLeak 提交了 12 个页面，百度已经收录这 12 页，因此自动提交显著提升了流量。”回答把一条提交记录关联到了 ZenLeak，但页面实际只能证明提交接口接受了 12 个 URL。审查者应将其拆成至少四条声明：

声明来源是否足够建议状态还需要什么
接口接受了 12 个 URL如果提交台账显示同一批次及响应，可以支持。支持或待核批次 ID、时间、响应和 URL 清单。
12 个页面都已被百度收录接口接受不等于逐页面索引状态。无法判断每页对应的站长平台或搜索结果证据及检查时间。
自动提交显著提升流量单一提交记录不能支持因果关系或“显著”措辞。不支持预先定义指标、基线、对照、观察窗口和替代解释。
AI 引用了 ZenLeak 页面需要确认展示的 URL 和它对应的回答声明。待来源映射完整回答、来源卡片和页面版本。

这个例子说明，引用准确性不是判断“整段看起来像不像原文”，而是逐项判断每个声明的证据范围。部分声明可被支持，不会自动修复同段中的无证据结论。

怎么汇总结果而不制造一个虚假的总分

如果需要跨平台汇总，先定义样本单位，再分别报告来源可见性和声明支持情况。以下是 ZenLeak 的内部操作口径示例，不是行业标准：

  • 声明拆分数：本轮回答中识别出的事实与可核验推断声明数。
  • 来源可见比例：至少有一个可检查来源的声明数 ÷ 全部可核验声明数。回答没有显示来源时保留为未覆盖，不能当作来源错误。
  • 完整支持比例：状态为“支持”的声明—来源关系数 ÷ 已完成核验的声明—来源关系数。“部分支持”单独列出，不混进完整支持分子。
  • 无法判断数：由于来源、历史版本或回答材料缺失而未能完成核验的声明数，并写清原因。

不要把来源可见比例与完整支持比例相乘后包装成“GEO 准确率”，也不要把不同平台、问题、页面版本和观察窗口直接合成一个分数。样本太小、状态定义不一致或缺失原因不同，就只公开分项计数与分母。

自动化能做什么，人工必须做什么

可以自动辅助仍需人工判断
保存时间、问题 ID、平台字段、URL、页面版本和文件哈希。回答是否忠实复述了来源，以及省略条件是否改变含义。
检查链接能否访问、最终跳转地址、页面更新时间和重复记录。来源是否真正支持相邻声明；相关页面不等于证据充分。
辅助拆分候选声明、提示数字或时间范围变化、生成待审核队列。判断原子声明是否拆得合理、因果是否成立、结论能否外推。
按明确口径汇总已核验、部分支持、矛盾、未知和未执行的数量。是否可以发表结论，以及公开时应保留哪些限制。

大语言模型可以帮助寻找潜在不一致，但它本身不能作为唯一裁判。需要保留模型使用的输入、提示词和输出，并由审核者回到来源原文确认。若自动化接口没有返回完整回答或来源，状态应停留在材料不足。

可直接复制的声明核验记录

单条记录字段

问题 ID｜平台与模式｜回答时间及时区｜页面 URL 与版本｜回答原句｜原子声明｜来源 URL｜来源段落定位｜支持摘录｜对象/范围/条件/时间/数量/因果检查｜状态｜判定理由｜审核人｜仍未知项｜复测日期。

写公开报告时，可采用这样的表述：“本轮共拆出【N】条可核验声明；【A】条有可见来源，其中【B】条完整支持、【C】条部分支持、【D】条不支持或矛盾；另有【E】条因【原因】无法判断。结果只适用于【平台、问题、时间和页面版本】，不能外推到未测试的问题或后续版本。”请为每个数值附上定义和分母。

页面更新后如何复测

如果根据审查结果修订了页面，应保存旧版本、变更摘要和受影响声明。T+0 检查站内页面和机器入口；之后在预先确定的观察窗口，用相同问题、平台入口和尽可能一致的环境重新采集回答。平台版本、联网状态或地区设置发生变化时，作为新条件记录，不要把两轮结果当成严格可比实验。

复测只回答“在这些条件下，观察到什么变化”。页面上线、Sitemap 更新、搜索引擎抓取和 AI 平台回答变化是不同事件。修订了页面不能证明平台已经读取新版本；回答变了也不能单凭前后对比归因于这次修订。

发布前检查清单

  • 已保存完整问题、回答、来源区域、平台环境和观察时间。
  • 回答已拆分为独立声明，事实、建议、推断和因果关系没有混成一条。
  • 每条声明都映射到明确来源及具体段落，而不是仅标记一个相关链接。
  • 已检查对象、适用范围、成立条件、时间、数量口径和结论强度。
  • 已把支持、部分支持、不支持或矛盾、无法判断分开记录。
  • 分母包含规则、缺失原因和未执行状态均已说明。
  • 历史页面版本无法恢复时没有用当前页面替代历史证据。
  • 自动化输出经过人工复核，高影响声明有第二人检查或明确标注未复核。
  • 公开结论限定在本轮问题、平台、时间和页面版本范围内。

结论边界

声明级引用审查能够说明现有回答与现有来源之间的支持关系，但不能证明模型内部使用了哪段文本，也不能预测下一次回答会不会沿用当前来源。不同平台的来源展示能力不同；看不到来源时，应记录不可核验，而不是假设没有检索或引用。

本文的六项限定检查、状态标签和汇总口径是用于提高 ZenLeak 研究可复核性的操作方法，不是经过跨平台验证的统一量表。若要比较平台或评估改版效果，仍要固定问题、页面版本、环境和窗口，公开有效样本及缺失数据。可继续阅读AI 引用准确性核查、引用证据归档、AI 回答误引处置和声明级证据库，把核验结果接入完整记录流程。