从传播学视角看：GEO问句库的「语义漂移」得按月压测，我带了三个学生跑了一个月

上个月我带三个学生做了一件笨事：把某家电品牌去年建好的120条GEO问句库，原样不动地每月跑一次，连续跑了四周。结果很说明问题——同一批问句，第一周和第四周的AI答案在「产品归属」这个维度上，漂移了整整17条。

什么叫语义漂移？从传播学视角看，问句作为编码端，AI答案作为解码端，中间隔着一个不断更新的语料池。品牌方去年建库时，问句和答案的映射关系是清晰的；但一个月后，模型迭代、竞品内容涌入、自家产品页改版，解码端的语境变了，同一个问句指向的答案就偏了。这不是问句写错了，是环境在动。

我们做了三组对照，数据摆出来供各位参考。

第一组：时间源切位。 把120条问句分成「品牌词」「品类词」「场景词」三类，各40条。品牌词漂移最少，四周内只有2条答案质变；品类词漂移了6条；场景词最夸张，漂移了9条。场景词的问题在于，它依赖的上下文最多，任何一条新的用户评论或测评内容都可能改变答案的权重排序。

第二组：采样批次。 每周跑两次，每次间隔72小时，记录引用条数和引用位置。四周下来，同一问句的引用条数最大波动是11条，引用位置从第3位掉到第8位的有4条。这说明单次跑批的结果根本不能作为验收依据——你看到的「引用率」，可能只是那一天的偶然。

第三组：人工复核。 学生把漂移的17条逐条比对答案原文，发现其中9条是「答案主体没变但表述细节串了」，比如把「支持以旧换新」答成「支持七天无理由」，这是典型的口径混淆；另外8条是「答案主体直接换了」，比如把A型号的参数安到了B型号头上。

所以我的判断很明确：GEO问句库不能一次性建完就撒手，必须按月做语义漂移压测。压测的目的不是追求一个静态的准确率数字，而是建立一个漂移监测机制，让你知道哪些问句在什么条件下会失稳。

具体操作上，我建议按「稳定型/波动型/失稳型」给问句打标签，稳定型每季度跑一次即可，波动型每月跑，失稳型每周跑。采样成本会上升，但比起拿一个失真的引用率去汇报，这个钱花得值。

最后抛个问题给各位：你们在跑问句库的时候，有没有遇到过「答案主体没变但关键参数被替换」的情况？如果有，是哪个行业、哪类问句最容易出这个问题？我想收集一批样本做横向对照。