5 万页 AI 编造的统计数据被 LLM 反复引用：检索不等于排名

Peec AI 的 GEO 研究员 Metehan Yesilyurt 公开了一个实验：他用 GPT-4.1 一天生成 5 万个未经核实的统计数据页面，总花费约 50 美元。网站在 Google 上的曝光很快被削减，却被 ChatGPT 等工具反复检索引用，这些虚假数字还出现在一篇学术论文和一份投资研究报告中。

要点

• Cloudflare 日志显示近 30 天有超过 60 万次爬虫请求，其中约 7.2 万次来自实时取页回答问题的 ChatGPT-User
• 作者观点：LLM 的检索会改写查询、重排并只打开少数页面，带具体数字和年份的统计页天然容易被选中，而模型很少核实
• 风险视角：一个假数字每被机构引用一次就更「可信」，可能进入后续网页抓取和训练数据，即「引用洗白」
• 作者表示发布虚假内容是错误的，分享是作为研究而非操作手册，网站已加免责声明

来源

### [5 万页 AI 编造的统计数据被 LLM 反复引用：检索不等于排名]({{URL}})

Peec AI 的 GEO 研究员 Metehan Yesilyurt 公开了一个实验：他用 GPT-4.1 一天生成 5 万个未经核实的统计数据页面，总花费约 50 美元。网站在 Google 上的曝光很快被削减，却被 ChatGPT 等工具反复检索引用，这些虚假数字还出现在一篇学术论文和一份投资研究报告中。

- Cloudflare 日志显示近 30 天有超过 60 万次爬虫请求，其中约 7.2 万次来自实时取页回答问题的 ChatGPT-User
- 作者观点：LLM 的检索会改写查询、重排并只打开少数页面，带具体数字和年份的统计页天然容易被选中，而模型很少核实
- 风险视角：一个假数字每被机构引用一次就更「可信」，可能进入后续网页抓取和训练数据，即「引用洗白」
- 作者表示发布虚假内容是错误的，分享是作为研究而非操作手册，网站已加免责声明

**为什么值得关注**：做 RAG 和联网搜索的团队不能把「被检索到」当作「可信」，需要来源评级和交叉核实；写作和研究时引用 AI 给出的统计数字，也应追溯到原始出处。

来源：[Publish stats, get cited: the tactic that put my data all over the web](https://peec.ai/blog/publish-stats-get-cited-the-tactic-that-put-my-data-all-over-the-web)；[Publish fake stats, get cited in LLMs (HN)](https://news.ycombinator.com/item?id=50165801)