熬夜算了一宿：GEO问句库的「同义扩写」到底算不算重复分母？

昨晚两点多，我又在改问句库的扩写规则，突然意识到一个之前没细想的问题：同一个意图下，AI 自动扩写出来的问句，到底该不该全部塞进分母？

事情是这样的。我们产品最近在跑一批「成交阶段」的问句，比如「XX 型号和竞品 YY 比，哪个更适合小厂用」。我让模型把每条问句扩写成 5 个同义变体，想着覆盖更多口语表达。结果今天对数据，发现分母从原来的 240 条直接干到 1100 多条，而引用率从 18% 掉到 6%。

我一开始以为是模型答得烂，后来把日志拉出来逐条看，发现一个扎心的事实：扩写出来的问句，有将近 40% 语义几乎一模一样，只是把「小厂」换成「中小企业」、「适合」换成「适配」。AI 对这类换皮问句的引用行为高度同质化——要么一起被引，要么一起不被引。这就导致分母里塞了大量「重复票」，引用率被稀释得亲妈都不认识。

更坑的是，我对比了另一组没做扩写的基准问句，引用率是 15%。也就是说，扩写不但没帮我覆盖更多真实场景，反而把指标做难看了。

我的初步判断：同义扩写应该按「语义簇」去重，而不是按字符串去重。至少得在分母里加一个「簇代表」的概念，一个簇只算一条有效分母。但这里有个细节我还没想明白——是扩写前做意图聚类，还是扩写后做相似度去重？前者要额外跑一次聚类，后者容易把「小厂」和「中小企业」这种真·不同人群给误合并。

还有个更现实的问题：如果按语义簇压缩分母，那之前给老板看的周报数据是不是得重算？我凌晨四点把新旧两版跑批结果并排放，发现同一周的数据，引用率能差出 9 个百分点。这玩意儿要是没个统一口径，后面汇报就是给自己挖坑。

所以想请教一下社区里跑过类似问句库的兄弟：你们做同义扩写的时候，分母是按原始问句数算，还是按语义簇数算？扩写出来的变体，是全部进分母，还是只留一个代表？ 有没有人试过在扩写阶段就加去重提示词，效果咋样？

在线等，挺急的，今晚还得把口径定下来重跑一遍。