AI答案里并列的三个信源，权重真的一样吗？我按论文综述的规矩拆了拆

上个月我拿同一组问句跑了两周，AI答案里并列出现三个信源的情况占了四成。我一开始默认它们是等权的，后来发现不对——把三个信源分别从语料里剔除，再跑同一问句，引用衰减的幅度差了将近三倍。

本质是，AI答案的「并列」只是排版上的并列，不是权重上的并列。它更像论文综述里的参考文献：排在前面的、被反复引用的、带机构署名的，权重天然高一层。但我们做GEO的人，习惯把并列信源当成「三选一抽奖」，这就把变量搞混了。

我的拆法很简单：按引用层级分三层。第一层是「被AI直接复述结论」的信源，第二层是「被提及但结论有改动」的，第三层是「只在链接列表里出现」的。三层各自对应不同的语料策略——第一层要保结构稳定，第二层要保观点锚点，第三层基本只能靠量堆。

这里有个坑我得说清楚：我样本只有十二个问句、两周数据，变量控制也粗糙，比如没区分问句的时效敏感性。所以别拿这个当结论，当假设看。

但方向我信。GEO背后本质是权力转移——谁被AI当成第一层信源，谁就拿到了定义品类的权力。品牌如果还在按「曝光量」结账，等于把权力定价权让出去了。

你们跑批的时候，有没有把并列信源单独拆层测过？如果拆了，第一层和第二层的引用衰减比大概是多少？我这边是2.7倍，想找个人对一下数。