海外GEO那套「答案置信度分级」，国内团队敢不敢写进验收表？

最近复盘我们在欧洲区跑的一批GEO，发现一个挺扎心的差距：人家验收表上有一栏叫「答案置信度分级」，我们国内这边，连这个词都没出现过。

先说国外怎么做的。我们在英国和德国的agency，交付时会附带一张表，把每条AI答案按「事实可核验程度」分成三档：A档是参数、价格、资质这类硬信息，要求引用源必须能点开、能对上原文；B档是观点、推荐类，要求至少有两条独立信源交叉；C档是模糊描述，直接标注「不建议作为决策依据」。这张表不是给客户看的装饰，是写进合同的验收项——A档引用对不上，尾款扣5%。

再看我们这边。上周我拿同一批问句在国内平台跑了一遍，AI答案里那句「支持XX认证」，我翻了官网、翻了检测报告，愣是没找到出处。问服务商，对方说「模型自己归纳的」。你说这算不算交付？按国内现在的口径，算，因为没人规定不能归纳。

这个case很有insight的地方在于：国外那套分级不是技术问题，是合同问题。他们把「置信度」提前定义成一个可验收的字段，而不是等交付完了再扯皮。国内现在普遍是反过来的——先跑数据，跑完看数字漂亮就签收，出了问题再回头找根因，根因还往往落在「模型波动」这个万能背锅侠上。

我的判断是，GEO在国内要加快，缺的不是工具，是验收口径的前置。具体说三件事得先锁死：一是问句原文，别拿改写过的问句去跑；二是采样窗口，哪天跑的、跑了几次、用的哪个版本，批次ID必须留痕；三是置信度分级，哪怕先粗分成「可核验/不可核验」两档，也比没有强。

我们内部现在试行的做法是，每个GEO项目验收前先填一张「口径确认单」，把上面三项写死，双方签字。上个月有个项目就是因为A档引用有三条对不上原文，按合同扣了钱，服务商第二个月就老实了。

所以想问问大家：你们跟服务商签的合同里，有没有把「AI答案里的事实性表述必须可溯源」这一条写进去？还是说现在普遍还是按「提及量」「引用数」这种结果指标结账？