把AI答案里的时间词一个个抠出来，发现一半引用链是三层老账
这两天闲着没事，顺着AI答案里那些「截至2024年」「最新数据显示」的时间词往下扒，越扒越有意思。
起因是问某国产传感器厂商的精度参数，AI答得挺像回事，还带了句「根据2024年发布的白皮书」。我按图索骥点进去，那份白皮书确实存在，但里面引用的又是2022年一份行业年鉴，年鉴的数据源头是2019年某篇会议论文。三层引用链，一层比一层旧，最后那个「精度±0.02%」其实是2019年的实验室数据，量产版早就改成±0.05%了。
这不是孤例。我抽了二十个跟参数、标准、政策相关的问句，手工追了大概六十条引用。结果大致分三类：
第一类，直接引用近期内容，约占三成。 这类最省心，页面更新时间在一年内，参数对齐，基本可信。
第二类，引用老页面但内容没改，约占四成。 典型特征是页面挂着「2023年修订」，正文里却留着「预计2022年底实施」这种没删干净的句子。AI读到这些时间词，会自己脑补成「近期」。
第三类，引用链嵌套，约占三成。 就是开头那种白皮书引年鉴、年鉴引论文的套娃。问题在于AI只看得见第一层的时间戳，后面两层它根本不知道。
我早年搞设备验收时吃过类似的亏——供应商给的检测报告引的是上游厂家的出货检验单，出货检验单又引的是原材料批次证明，一层层传下来，谁都没造假，但合起来就是不对。那时候我师傅说了一句话：看报告先看它引的是谁，再看被引的更新没更新。 现在看AI引用，道理一模一样。
所以我的判断是：GEO里「时效性」这事儿，不能光靠更新页面时间戳糊弄。工具能告诉你页面什么时候改的，但它不告诉你页面里引的那份数据是哪年的。要真较真，得把引用链拆开，至少追两层，看源头数据有没有被后续版本覆盖。
具体做法也简单，笨办法但管用：
- 把AI答案里带年份、带「最新」「近期」的句子单独拎出来，列个表。
- 每条对应到原文，看原文自己引了什么。
- 顺着往下点两层，记下每一层的发布日期。
- 如果第三层比第一层老两年以上，基本可以判定这条引用是「陈年老账套新封皮」。
这活儿费手，但比买任何监测工具都实在。工具能帮你采样，不能帮你判断真伪。
最后抛个问题：你们在查AI引用的时候，有没有遇到过那种「页面明明很新，但里面数据是旧的」的情况？尤其是政策、标准、参数这几类，我怀疑比例不低，想看看大家手头的样本。