AI推荐的“最佳软件”，像被刷出来的样本

我注意到一个有意思的细节：三个站做了 215,128 个“最佳软件”页面，Perplexity 却把它们当成来源引用。报道里说，跨 380 个软件类别，59.8% 的 grounding 来源背后是这种制造页面。我的结论先放这儿：这不是 AI 学会了挑软件，而是检索引用层被供给方优化了。它像回测很漂亮的模型，一实盘，滑点立刻把收益吃干净。

之前我写过，AI 有严重幻觉，不适合直接给管理层做决策。现在看法更硬：问题不只是胡说，而是它引用的“事实”可以被工业化生产。页面数量多、标题像评测、结构方便抽取，就可能进入引用池。屏幕上跳出几个链接，看起来像背书；对模型来说，可能只是高频供给出来的统计噪声。

这不是幻觉，是引用层被污染

量化里有个老问题：数据生成过程本身会改变结果。订单簿堆满虚假挂单，价格信号会被污染；训练集混进未来信息，回测夏普比率会高得离谱。Perplexity 依赖可检索网页，网页可以被批量制造，类别可以被模板化覆盖，措辞可以被优化成最容易被引用的样子。

215,128 页覆盖 380 个类别，平均每个类别超过 500 页。这个密度不像自然内容，更像定向投放。它不需要真实用户点击，只要足够容易被机器抓取、足够像 FAQ、足够覆盖 best software、comparison、reviews 这类词，就可能获得引用。这个模型的夏普比率不能只看推荐命中率，还要看来源稳定性、重复度、独立性和集中度。

59.8% 也意味着很多类别共享同一类来源。你以为是多个网页交叉验证，实际可能是同一种页面结构互相复制。放在因子模型里，这就是多重共线性。变量很多，但都来自同一个因子，回归结果漂亮，参数却不稳定。AI 输出看起来有引用，底层没有足够独立样本。

实盘要考虑滑点

我做高频交易，最烦看起来对的信号。盘口买一很厚，你以为支撑强，实盘去吃，才发现那只是挂单，撤得比成交快。AI 推荐软件也有类似滑点：检索网页、排序来源、抽取片段、生成答案，每一步都会丢失真实信息，也会放大可操纵信号。你看到的推荐，离真实软件质量之间隔着好几层处理。

我不太相信这类榜单。引用机制奖励数量多、结构像、词面稳的内容时，制造页面天然有优势。行业目录、真实评测、论坛讨论也会被引用，但前提是能被机器方便抽取。内容竞争于是变成机械游戏：谁更像机器喜欢的样子，谁更容易被 AI 抬进答案。

我最近在企业邮和 QQ 邮箱上折腾过一阵，也写过单字母域名的 AI 邮箱。感觉类似：包装可以很快，信誉很难。真正的信誉需要时间、独立用户、稳定服务、投诉记录、更新日志，这些东西不适合被批量生产，也最容易被模板化内容绕过。

所以 Perplexity 引用这些页面，不代表它们真的代表最佳软件。它只能说明当前检索和排序逻辑下，这些页面获得了过高引用权重。对普通用户来说，这比幻觉更隐蔽。幻觉至少会自相矛盾，被污染的引用却看起来很整齐，甚至带着链接。

如果你要用 AI 选软件，别只看它给了什么答案，先看它给了谁。我的建议很简单：把引用来源复制出来，按域名、发布日期、内容结构、是否同一模板做去重。如果多个来源来自同一批页面，标题高度相似，只有关键词没有真实使用细节，就降低权重。采购或投资决策，至少再找三个不依赖同一 SEO 策略的信息源。AI 可以帮你缩小范围，但不能替你承担实盘滑点。

---

📌 本文编译自 Hacker News，原文：https://trellner.com/reports/manufactured-sources-behind-ai-recommendations/

版权归原作者所有，本文为基于公开报道的编译与独立分析。