GEO百科

研究内容在生成式搜索与问答系统中如何被检索、选择、采用、引用和呈现；强调可验证证据与持续测量，不等同于传统搜索排名，也不构成流量增长承诺。

在大规模文本及其他数据上训练的生成模型，通常基于Transformer架构完成问答、写作、分析与工具调用，同时存在错误、幻觉与治理风险。

把生成模型与外部可检索知识结合：先检索文档、数据库或知识库，再将相关内容加入上下文生成答案；它有助于接入新知识，但不能自动消除幻觉。

围绕目标感知环境、规划或推理、调用工具、执行动作，并根据反馈继续调整的系统；它扩展了模型的行动能力，也带来权限与安全问题。

以节点和关系组织实体、属性与事实，使人和机器可以围绕对象身份、关系和证据来源进行查询、整合与推理。

让搜索与AI系统更一致地识别人、组织、产品、地点或概念，重点是名称、类型、规范URL、属性、关系和独立来源的一致性。

使用预定义字段、类型和关系，以机器可解析方式描述页面或数据中的对象；正确标记有助于理解，但不保证排名或展示。

由协作社区维护的共享词汇，使用类型和属性描述人物、组织、作品、事件与产品，可通过JSON-LD、RDFa或Microdata表达。

组织“主张—来源—版本—精确位置—修订历史”的编辑方法，强调重要事实能够回到具体信源版本和精确位置。

用经验、专业性、外部认可和透明责任解释内容为何值得信任。它是内容质量审查框架，不是可直接计算的单一排名分数。

知识蒸馏

知识蒸馏通过教师模型的输出、概率分布或中间表示训练学生模型，使较小模型在特定任务上接近教师模型表现，但不保证完整继承教师模型的通用能力。

模型量化

模型量化通过降低权重、激活值或相关计算数据的数值精度，减少内存占用和数据传输成本；实际速度与质量取决于量化方法、位宽、模型、任务、硬件和推理实现。

模型微调

模型微调通过任务示例进一步调整模型参数或适配参数，使模型更稳定地完成特定任务或遵循特定输出方式；它不能替代持续更新的外部知识库和事实核验。