🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
以前查选举信息，大家用搜索引擎，看到一排蓝色链接，自己判断哪个可信。现在越来越多的人直接问 ChatGPT 这类生成式引擎“这两个候选人有什么区别”“谁更适合当总统”。区别在于：搜索引擎只是把网页排个序，而生成式引擎会读网页、再自己写一段答案。这就带来一个新问题——如果某个网页被改写得更“讨模型喜欢”，模型是不是就更愿意在答案里提到它支持的那个人？这个行当叫生成式引擎优化，本来是用来做营销的，作者担心它被搬进选举场里。过去研究大模型的选举问题，多在测模型本身偏不偏，很少有人系统研究外部网页被改写会把结果推多远。
② 研究问题（要回答什么？）
研究要回答三件事。
第一，生成式引擎到底在读什么？它们引用的来源是不是偏向那些便宜的、自己发的、开放平台上随便写的内容？
第二，改写网页能不能提高某个候选人或政党被提到的概率？如果能，哪些改法最有效？
第三，提问的人是谁，会不会影响结果？同样一个问题，由不同党派立场的选民来问，模型给出的答案会不会就已经不一样了；这种差距和改写的效果比，哪个更大？
③ 研究方法（怎么做的？）
作者造了一个叫 VoteGEO-Bench 的测试场，覆盖两场真实选举：2024 年美国总统大选和 2026 年日本众议院选举。
材料三件套：一是选民真会问的问题（美国从 573 条里筛出 260 条与投票决策相关的）；二是历史网页（美国抓了 11,895 个URL，日本 6,202 个）；三是十五种美国选民画像。
改写手法：把改写分成四大类共 11 种——“结构类”把页面整理得更像模型爱读的样子；“证据类”加引文、加数据；“风格类”只改措辞；作者还新加了两条“论证类”，一条强调“我和别人到底哪里不同”，一条正面强化立场。
关键对照：改写时有没有明确点名要帮的对象，是两组分开的实验。
④ 结果（发现了什么？）
最重要的发现是：不点名，基本白改。在 36 个“策略×引擎×指标”的组合里，不点名的改写只有 1 个出现显著正效应，反而有 4 个显著变差，其余 31 个看不出差别。一旦在提示里点名要帮的政党，多数场景就出现显著提升。
不同手法的效果差距很大。
在全部 9 个引擎与指标组合里都显著有效。
7 个场景显著。
只有 6 个场景显著。
仅 2 个场景显著。
⑤ 讨论（这些发现说明什么？）
作者的解释里有一个很关键的对比：谁的提问，比网页怎么改更重要。当选民画像里明确写了党派身份时，模型给出的基线可见度差距可以大到 11.6 个百分点，这比改写一个网页能带来的提升还大。也就是说，战场其实有两层：一层是内容层，谁能把网页改得更讨模型喜欢；另一层是提问者层，模型对“你是谁”的反应本身就带着偏向。以前的讨论多集中在第一层，这篇论文指出第二层可能更重。作者还发现，引擎引用的来源结构本身就有点失衡：传统媒体仍占 46.4% 到 60.9%，但自有渠道占到 24.8% 到 44.3%，开放平台内容最高到 22.2%，而独立机构来源只有 1.4% 到 3.0%——对照美国谷歌搜索结果的 39.3%，差距非常明显。
⑥ 结论（最终结论 + 启示）
这篇论文做的事，相当于给“AI 选举操纵”这个听起来很玄的担忧，量出了一把尺子。结论有三条：改写确实能影响生成式引擎的选举答案，但前提是明确点名对象；结构整理和论证强化是最有效的两种手法；提问者的党派身份带来的偏移，可能比任何单页改写都大。作者特意强调，他们没有把改写过的政治内容真的发布到网上，所有实验都在离线网页池里做，因为真发出去可能被缓存、被存档，进而影响真实选民。这个克制值得记一笔——它同时说明，这篇论文测的是“能做到什么程度”的能力边界，而不是已经在发生的影响规模。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
生成式引擎（ChatGPT、Gemini 等）已进入选举信息获取环节，其回答由检索到的网页内容生成，而非仅对网页排序。既有工作分两支：一支测模型输出的政治偏向与对齐（Batzner 等 2025；Kim 等 2026），一支研究 AI 驱动的政治说服；但“外部网页内容如何塑造生成式答案”几乎空白。GEO（Generative Engine Optimization）恰好提供了可操作框架：在固定网页池上改写内容，测量其在生成答案中的可见度变化。本文把 GEO 从营销语境移植到选举语境（VoteGEO），构建首个跨选举基准，并系统测量改写策略、目标指涉、选民画像三者的交互。贡献：①跨两场真实选举、四款引擎、11 种策略的基准；②发现“目标指涉”是效果的前提条件；③量化党派身份基线效应与改写增益的相对量级。
I. Theoretical Framework & Hypotheses（理论框架与假设）
| 编号 | 研究问题 | 分析对象 / 理论依据 |
|---|---|---|
| RQ1 | 生成式引擎在选举查询中引用哪些来源渠道？ | 来源渠道四分类（earned/paid press、owned、open-platform UGC、independent institution），对照 Google SERP 基线 |
| RQ2 | 11 种改写策略中哪些能提升目标可见度？是否依赖“点名目标”？ | 四类策略：Structure / Evidence / Style / Argumentation（后两类为政治说服文献驱动的扩展） |
| RQ3 | 选民画像（含党派信息）如何调节基线与改写增益？ | 人格化查询（persona-conditioned prompting）；党派线索的显性/隐性区分 |
核心理论判断：生成式引擎的“可见度”是可被内容工程调节的变量，其调节幅度需与“提问者身份”带来的基线偏移放在同一标尺上比较。
M. Materials & Methods（材料与方法）
- 基准构成。两场选举：2024 美国大选（US-election-24）与 2026 日本众议院选举（JP-election-26）。美国侧从 573 条查询中保留 260 条与投票决策相关者（候选人评价与比较、政策立场、选举预测、相关新闻）；日本侧覆盖 7 天。网页侧尝试抓取 11,895 个美国 URL 与 6,202 个日本 URL，同一 URL 多日出现时取最早观测日，并规范化归档包装链接。选民画像：美国 15 种。
- 改写策略（11 种 / 4 类）。Structure：改善页面组织、重排为 LLM 友好版式；Evidence：补充引文、统计量、来源归属；Style：仅改措辞；Argumentation（新引入 2 种）：Comparative Distinction（强调相对替代方案的具体差异：政策立场、承诺、时间表、机制）与立场强化类策略。
- 目标指涉对照。同一改写流程下，一组在提示中明确点名目标政党/候选人，另一组不点名，其余设置不变；另设 no-rewriting 安慰剂参照。
- 评估。四款生成式引擎；核心指标包括 Mention Coverage（提及覆盖率）与 Win Rate（胜出率），共 9 个 engine×metric 设定。回答提示要求引擎用 <ENT> 标签包裹候选人/政党提及，标签跨度归一化后用最长匹配映射到政党实体，且不向模型透露封闭实体集或目标。
- 统计与稳健性。同一基础查询对应多个日单元，主检验用按基础查询聚类的标准误（美国 109 个簇，日本 25 个簇），并施加 Benjamini–Hochberg 多重检验校正。
- 伦理设计。全部实验离线进行，不向线上发布改写后的政治内容，避免被爬取、索引、缓存后触达真实选民。
R. Results（结果）
- 来源结构失衡（RQ1）。earned/paid press 占引用 46.4–60.9%；owned/self-published 占 24.8–44.3%；open-platform UGC 最高 22.2%；独立机构来源仅 1.4–3.0%。对照美国 Google SERP：owned 与 UGC 各约 5.1% 与 4.5%、独立机构 39.3%。长期政策议题（社会保险、核能等）的来源在跨日引用中更稳定，时事类查询的来源周转更快。
- 目标指涉是前提条件（RQ2）。36 个 category×engine×metric 设定中，不点名改写仅 1 个显著正增益、4 个显著负变化、31 个不显著；点名改写则在多数设定中显著。
- 策略排序（RQ2）。Structure 在 9/9 设定显著，Argumentation 7，Evidence 6，Style 仅 2。gpt-5-mini 上增益普遍偏小，与它在“哪个候选人最 X”这类评价性查询上的较高拒答率一致（可被改写的回答更少）。
- 低曝光方相对收益更大（RQ2）。日本结构类改写：Top 与 Low 档 Mention Coverage 分别 +4.28 与 +4.12 个百分点，相对提升 5.9% 与 14.4%；Win Rate 分别 +1.48 与 +1.20 个百分点，相对提升 10.8% 与 51.1%。
- 党派身份的基线效应（RQ3）。显性党派身份可造成高达 11.6 个百分点的基线可见度差距，量级超过改写单个网页的增益；隐性党派线索下，基线偏移取决于引擎对该隐信号的响应强度。
- 改写增益的稳健性。两种最强策略在美国 15 种人格上增益普遍为正；人格条件化本身没有稳定的放大或缩小作用。
| 策略类 | 显著设定数 / 9 | 主要机制 |
|---|---|---|
| Structure | 9 | 版式与信息组织更利于检索与摘录 |
| Argumentation | 7 | 强化立场差异、提升可引用性 |
| Evidence | 6 | 补充引文与统计量 |
| Style | 2 | 仅改措辞，信息量不变 |
a / D. Discussion & Conclusion（讨论与结论）
- 理论意义。把“算法可见度”从搜索结果页延伸到生成式答案，并提出可比较的两层结构：内容可改性（GEO 增益）与提问者身份（persona 基线偏移）。后者量级更大，说明只盯内容层的治理会漏掉主要通道。
- 政策含义。生成式引擎的选举信息具有可被低成本改写的属性，且对低曝光小党的边际影响更大，可能改变竞争格局；来源渠道偏向 owned 与 UGC（1.4–3.0% vs 39.3% 的独立机构占比）意味着可信度筛选机制缺位。
- 方法贡献。提供可复现的离线评估范式：固定网页池、关闭在线检索、以 <ENT> 标签归一化实体提及、按基础查询聚类 + BH 校正。该范式避免了“把改写内容真发上网”的伦理风险。
- 局限（作者自述）。①离线评估，未检验改写对实时检索与引用选择的影响；②只测“被提到”的变化，不区分正面还是负面提及，也不测事实准确性与说服效果；③未系统核查改写内容的语义保真度；④日本侧仅 7 天数据，按原始日均值报告；⑤绝对增益虽显著但量级有限，长期累积效应未知。
- 后续方向。作者建议在伦理受控条件下做端到端在线评估，并进一步研究语境情感、事实质量与人类说服效果。
🧠 IRMaD 思维导图
mindmap
root((改写网页能否影响投票))
I 引言
人们改问大模型选举问题
引擎读网页再写答案
营销手法被搬进选举
R 研究问题
引擎引用哪些来源
什么改写最有效
提问者身份影响多大
M 方法
两场真实选举
美国二百六十条查询
四类十一种改写
四款生成式引擎
点名与不点名对照
R 结果
自有渠道占两三成
独立机构不到百分之三
不点名几乎无效
结构类九个全显著
小党相对收益更大
a 讨论
提问者比改写更关键
显性党派差十一点六
内容层不是主战场
D 结论
选举信息可被低成本改写
需要来源可信度机制
用离线基准守住伦理
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。