大模型今天提你明天不提?用100次重复提问复现GEO概率波动

Netflix股价预测:从LSTM过拟合到业务驱动的信号增强框架 时间序列预测是金融量化建模的基础能力,其核心在于理解数据生成机制而非套用黑箱模型。LSTM等循环神经网络虽擅长捕捉时序依赖,但在事件驱动型股票(如Netflix)上极易因忽略业务逻辑而陷入方向性过拟合。真正的技术价值在于将模型降级为‘信号放大镜’——通过融合用户增长、货币环境、市场预期等可解释特征,实现带置信度的交易信号生成。典型应用场景包括滚动回测验证、财报周期自适应训练、多源异构数据融合。本文聚焦Netflix这一高波动流媒体龙头,系统拆解如何构建兼顾鲁棒性与业务可解释性的预测框架。 阅读详情

生成式引擎优化(GEO)的目标是让品牌出现在大模型回答中,但很多团队发现:同一个问题,今天问豆包提到了你,明天问同样的提示词,品牌就消失了。这种波动是随机的,还是背后有规律?本文迪普智见(DeepIntelli)用100次重复提问的方法,量化品牌被引用的频率和位次波动,输出一套可复现的GEO稳定性测试流程。

为什么单次提问不能说明GEO效果

大模型生成回答时存在采样随机性。即使提示词完全一致,模型每次输出的token分布不同,导致品牌是否被提及、出现在第几位,都可能变化。单次提问只能得到一个样本点,无法区分“品牌确实被模型记住”和“这次碰巧提到”。

要评估GEO的真实效果,必须统计多次提问的分布。100次重复提问是实践中常用的样本量:既能反映概率,又不会让测试成本过高。

测试设计:固定提示词,控制变量

选择模型和提示词

测试至少覆盖两个主流模型:豆包和DeepSeek。每个模型使用完全相同的提示词,例如:

“推荐几个做AI搜索可见度优化的服务商,并说明各自特点。”

提示词要具体、贴近真实用户提问,避免过于宽泛或过于狭窄。测试期间不要修改提示词,否则无法比较。

执行100次提问

对每个模型,用同一提示词连续提问100次。记录每次回答中:

  • 品牌是否被提及(是/否)
  • 若提及,品牌出现在第几个推荐位(位次)
  • 回答中品牌上下文的描述(用于分析模型如何理解品牌)

建议用脚本自动化调用API,避免手动操作引入误差。若使用网页版,需注意会话隔离,每次提问用新会话。

记录数据

建立表格,每行一次提问,列包括:模型、提问序号、是否提及、位次、上下文摘要。100次后,统计:

  • 提及率 = 提及次数 / 100
  • 平均位次 = 所有提及位次的平均值
  • 位次标准差 = 衡量位次波动程度

结果解读:频率和位次波动

提及率:品牌被记住的概率

提及率是GEO稳定性的核心指标。这个数字直接反映模型对品牌的记忆强度。

位次波动:品牌在回答中的位置稳定性

即使品牌被提及,位次也可能在1到5之间跳动。计算平均位次和标准差:

  • 标准差小于0.5:位次非常稳定,模型对品牌有明确排序。
  • 标准差0.5-1.5:位次有波动,但整体可控。
  • 标准差大于1.5:位次随机性大,模型对品牌与其他候选的区分度不足。

例如,某品牌平均位次2.3,标准差0.8,说明模型多数时候把品牌放在第2或第3位,偶尔跳到第1或第4。

波动来源:采样随机性与内容信号

100次提问的波动主要来自两方面:

  1. 采样随机性:大模型解码时的温度参数(temperature)影响输出多样性。温度越高,回答越随机,品牌被提及的概率和位次波动越大。测试时需固定温度,否则结果不可比。
  1. 内容信号强度:模型对品牌的记忆来自训练数据和检索到的网页。如果品牌在权威来源(如官网、百科、行业报告)中出现频率高、上下文一致,模型更可能稳定提及。反之,如果品牌只在少数低质量页面出现,模型可能时提时不提。

实操:如何用这套方法优化GEO

第一步:建立基线

优化前先跑100次测试,记录提及率和位次分布。这是后续对比的基准。

第二步:针对性优化

根据基线结果,选择优化方向:

  • 提及率低:增加品牌在高质量内容中的曝光,如发布技术文章、参与行业讨论、完善百科词条。
  • 位次靠后:强化品牌与核心关键词的关联,在官网和外部内容中统一使用品牌全称和业务描述。
  • 位次波动大:检查品牌信息的一致性,确保不同来源对品牌的描述不冲突。

第三步:复测对比

优化后再次跑100次测试,对比提及率和位次分布。若提及率提升、标准差下降,说明GEO优化有效。

结论:波动是常态,统计才是真相

大模型回答的随机性意味着,任何单次提问都不能证明GEO效果。100次重复提问提供了可靠的统计基础,让品牌被引用的频率和位次波动变得可测量、可优化。

对于正在做GEO的团队,建议每轮优化后都跑一次稳定性测试,用数据驱动决策,而不是依赖一两次提问的偶然结果。

K-Means聚类实战避坑指南:从原理缺陷到业务落地 K-Means是一种基于欧氏距离与球形簇假设的硬聚类算法,其核心原理是通过迭代优化簇内平方误差(SSE)实现数据划分;技术价值在于计算高效、可扩展性强,尤其适合大规模低维数值型数据的快速分群;但该算法对特征尺度敏感、要求簇呈近似球形且密度均匀,因此在存在长尾分布、异构密度或非凸结构的数据上易失效;典型应用场景包括用户分群(RFM建模)、设备负荷聚类、区域仓配规划等需强可解释性与业务对齐的工程任务;本文聚焦K-Means在真实项目中暴露的关键缺陷——如K值误设、初始化失当、特征未对齐等,并提供融合业务先验与统 阅读详情

相关推荐

多维聚合前的数据预处理:Pre-Cube清洗实战指南

多维聚合并非简单执行GROUP BY,其核心挑战在于原始数据的不一致性、缺失、异常与语义歧义。理解数据立方体(Cube)的构建原理,关键在于厘清Pre-Cube(聚合前)、Cube(聚合中)和Post-Cube(聚合后)三层职责边界。Pre-Cube阶段通过缺失值分场景治理、IQR+业务规则双轨异常识别、时间代理键对齐、维度标准化及元数据注入等手段,将混乱明细数据转化为结构清晰、语义可信、可审计的宽表。这一过程直接决定聚合结果的业务可信度与工程可维护性,广泛应用于销售漏斗分析、用户行为归因、IoT时序下钻及

weixin_34296641的博客 301

Python稳定获取谷歌趋势数据的工程实践指南

谷歌趋势数据并非静态网页内容,而是基于JavaScript动态渲染与后端API协同的实时查询服务。其核心原理是模拟真实用户会话,完成Cookie初始化、Token预检、地理编码映射、时区对齐及归一化数据解构等完整链路。技术价值在于规避反爬封禁、保障长期可用性与数据可比性,适用于SEO选题、竞品监控、品牌健康度分析及库存预测等场景。实践中,pytrends仅提供基础请求封装,必须补全会话管理与地理编码等关键环节;而Selenium+ChromeDriver因环境保真度高,成为生产环境首选方案。

a304096740的博客 388

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品)

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品)

jks212454的博客 471

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 340

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统

船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。

专注于计算机研发知识和资讯分享 534

警用无人机轻量化监控系统:YOLOv8实战落地指南

目标检测是智能视频分析的核心技术,其原理在于通过深度学习模型对图像中的物体进行定位与分类;在边缘计算与实时响应需求驱动下,YOLO系列模型因高精度与低延迟特性成为安防领域主流选择。该技术价值不仅体现在算法性能,更在于能否适配真实硬件环境、满足行业操作规范并支撑闭环业务流程。典型应用场景包括警务无人机巡检、执法记录仪辅助判别、城市重点区域异常行为识别等。本文聚焦YOLOv8在警用边缘设备上的工程化落地,覆盖RTSP流接入、三级置信度过滤、PyQt6人机工学界面设计、树莓派离线部署及数据质量管控体系——直击‘看

weixin_34199405的博客 331

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 277

ESP32-CAM与Thonny的完美搭配:从烧录到通信的完整流程

本文详细介绍了如何将ESP32-CAM与Thonny IDE完美结合,从固件烧录到通信测试的完整流程。通过硬件连接、MicroPython固件烧录、Thonny环境配置以及摄像头功能开发等步骤,帮助开发者快速搭建高效的物联网开发环境,实现图像采集与无线通信功能。

tomato的博客 1129

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 615

2024年下半年软考系统架构设计师案例分析题

摘要: 本文包含两个软件系统设计案例。案例一讨论了大语言模型智能系统的质量属性需求分析,识别了功能性、性能、可靠性等需求,并对比了ping/echo和心跳两种故障检测策略。案例二探讨了购物网站的缓存设计,包括Cache-Aside策略的数据读取/更新流程,以及解决缓存一致性的多种方案(消息队列、数据库插件、锁机制等)。此外还涉及Elasticsearch分词器的特点比较和RESTful架构实现前后端分离的原理。这些案例展示了软件架构设计中的质量属性权衡、缓存策略选择及系统解耦等关键技术考量。<|end

卿着飞翔 1052

利用 Openocd 和 FT2232H 实现 ARMv8(Coretex-A53)高效调试方案

本文详细介绍了如何利用开源工具OpenOCD与高性能USB转接芯片FT2232H,构建一套针对ARMv8架构(如Cortex-A53)的高效、低成本调试方案。内容涵盖从环境搭建、驱动配置、核心调试架构解析到实战问题排查的全过程,帮助开发者实现对多核处理器的透明、可控调试,是嵌入式Linux及底层开发的实用指南。

weixin_29163581的博客 281

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 207

反激系列-详细到每个容阻的原理之RCD吸收(1)

1、漏感尖峰电压会被RCD吸收,漏感能量一定,电容越大,电容充电的电压就越低,吸收能力就越强,MOS漏极的电压就越低。2、在漏感能力释放完之后(这个过程一般只有一个周期的3%时间),是要通过R1释放掉电容吸收的能量的,把电容的电压降下来方便下一次漏感尖峰来之前再进行吸收。3、电容容量和电阻需要合理搭配,容量足够即可,足够能吸收漏感尖峰电压,不至于超过MOS耐压。电阻需要足够小,小到在放电阶段把电容电压下降到MOS的电压平台。

Cuxiaoweiba的博客 3万+

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 343

CVPR 2026 即插即用 | 注意力篇 | PFG:多尺度大核+像素级频率门控,特征显著增强,精准适配边缘纹理场景

本文提出了一种基于频率引导的轻量级外围门控模块PFG,用于高效时空预测学习。该模块通过多尺度大核分解卷积(1×K + K×1)捕捉外围空间依赖,同时利用固定频率滤波器提取高频线索,动态融合不同尺度的外围特征。核心创新包括:外围聚焦的多尺度空间增强、频率引导的动态融合机制、双阶段归一化协同等。实验表明,PFGNet在多个基准数据集上达到SOTA性能,同时保持较低计算复杂度。该模块可直接嵌入各类视觉模型,适用于需要强化空间-通道协同表达的轻量级任务。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 486

C# 实现 Modbus 通信全教程(支持 TCP 和 RTU,含完整错误处理)

环境准备:安装 NModbus4 库,明确设备参数(IP/串口、地址、数据类型);连接设备:TCP 用 TcpClient,RTU 用 SerialPort,注意超时和参数匹配;读写数据:根据数据类型调用对应方法(读保持寄存器用 ReadHoldingRegisters);错误处理:捕获连接、超时、协议等异常,针对性排查问题。掌握这些后,即可轻松实现与工业设备的 Modbus 通信,为上位机开发提供稳定的数据交互能力。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 2069

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 349

基于Python的海关进出口数据爬取与贸易关系分析

本文介绍了如何使用Python爬虫技术获取海关进出口数据,并基于这些数据进行贸易关系分析。文章详细阐述了数据采集、清洗、存储和分析的全过程,使用了最新的爬虫技术和数据分析方法,为国际贸易研究提供数据支持和技术参考。关键词:Python爬虫、海关数据、贸易分析、数据可视化、Selenium、Scrapy。

2201_76125261的博客 546

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 86

从零开始学习CANoe(十六)—— Graphics

Graphics是一种以时间轴为横坐标,符号值为纵坐标的显示分析方法,相对于Trace来说,更直观的观察出信号的跳变

蚂蚁小兵 9198

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 161

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 513

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 617

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

406

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 401

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5164
上一篇: 新闻稿GEO化改写SOP:让企业通稿被AI直接引用为推荐理由
下一篇: 品牌实体图谱建设:从零构建AI可识别的品牌知识体系
DeepIntelli
博客等级 码龄122天 2粉丝 90原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值