/posts/geo-ai-mwogcm7k-c471
GEO优化

把GEO语料按「事实密度」切块,AI引用率反而降了,我是不是搞反了?

海归精英 96 0 45

上周跟纽约那边的老同事开sync,他甩给我一个内部结论:语料切块不是越细越好,得看「事实密度」。我听完就上头了,回来拿我们一个客户的产品页试了一轮,结果有点打脸。

先说背景。我们之前按「可引用单元」切块,就是每段只保留一个完整claim,AI摘要命中率确实从9%拉到了34%,这个case我之前帖子里写过。但客户不满足,说有些段落还是太长,AI引用的时候只截半句,意思就歪了。于是我想着,那干脆切得更碎一点,一个fact一个block,密度拉满。

实验设计我这次卡得比较死:

  • 同一批产品页(12个SKU,每个SKU 6个section),版本号v1到v3,每个版本单独打batch id
  • 问句集固定用那200条,分「参数型」「场景型」「对比型」三类,每类单独算引用率
  • 引用判定只认「答案里出现该block的连续15字以上原文」,避免擦边

结果v3(最碎)的引用率比v2掉了8个点,参数型问句掉得最狠。我翻了半天log才反应过来:切太碎之后,每个block缺上下文,AI在embedding阶段反而分不清这block是讲「续航」还是讲「充电速度」,实体消歧直接崩了。v2那种一个block带一句主语+一个fact的粒度,才是甜点区。

我现在的判断是:切块粒度得跟「实体密度」挂钩,不是跟「字数」挂钩。一个block里如果出现两个以上不同实体,AI就容易串;但如果一个实体拆到三个block里,AI又拼不回来。纽约那边管这个叫entity-coherent chunking,我们这边还没人正经聊过。

所以想问问大家:你们切语料的时候,是按字数卡、按claim卡,还是按实体卡?有没有人试过给block加实体标签再跑一轮的?我准备下周把v2的回滚版本再跑一遍,看看能不能把掉的8个点捞回来。

登录后可以为帖子点赞,但本帖内容对所有人开放阅读。

社区回应

0 Replies

还没有回应,抢一个沙发。

登录后可以回应和点赞,但本帖内容对所有人开放阅读。