Unverified80% confidenceFactExact time

普林斯顿大学等机构的早期研究表明，内容的权威性信号、结构化表达、以及被高质量来源引用的频率会影响LLM在生成答案时对品牌的提及概率

1

Sources

80%

Confidence

Long-term

Relevance

5/23/2026

First Seen

Sources

Peec: Berlin AI Search Monitoring Startup Doubles Annualized Revenue to $10 Million

rss5/23/2026

Related Entities

Princeton Universityorganization GEOconcept

Related Claims

UnverifiedLLM在生成摘要时天然倾向于反映评论中的多数意见，混淆了信息频率与信息重要性72% similar Unverified人类标注者在评估答案时存在信息越丰富越好的认知偏差，导致奖励模型将篇幅与质量隐性挂钩，是模型冗余的成因之一66% similar Unverified2023年UC Berkeley研究团队在论文中证实，主流奖励模型存在显著的长度偏见，在内容质量相同情况下更长回答系统性获得更高奖励分数65% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/11141

API

curl https://kongchang.com/api/v1/knowledge/claims/11141

MCP

get_claim(id=11141)