用可复查的数据，研究 AI 搜索如何选择信源、吸收内容与呈现实体。
Open empirical resources for studying how generative search selects sources, absorbs content, and surfaces entities.
GEO Citation Lab 是一个面向 AI 搜索引用机制的公开实证研究工作台。仓库围绕两条研究主线，整理跨平台引用实验与中文生成式搜索数据，并提供分析脚本、数据仓库、可视化报告和主题论文导航。
提问 → 搜索触发 → 信源选择 → 内容吸收 → 实体曝光 → 跨平台与跨终端差异
| 研究资产 | 当前规模 |
|---|---|
| CN-GEO 原始引用记录 | 214,119 条 |
| 国内 AI 平台与终端代码 | 12 个 |
| 跨平台实验 Prompt | 602 条 |
| GEO / AEO / AI Search 论文 PDF | 54 篇 |
查看 CN-GEO 分析报告 · 读 3 分钟实验摘要 · 浏览论文导航 · 打开在线首页
AI 搜索中的可见性包含多个环节。一条内容可能进入检索候选、出现在引用列表、参与答案生成，或进一步影响品牌和实体的呈现。仓库用两套实证研究观察这条链路。
01-geo-experiment-data-report/研究 ChatGPT、Google AI Overview / Gemini 和 Perplexity 如何触发搜索、选择信源并吸收页面内容。03-cn-geo-citation-dataset/整理国内 AI 引用记录，并从信源生态、页面特征、实体曝光和 Web / App 差异等角度提供可查询的数据与报告。02-geo-aeo-ai-search-papers/为上述问题提供文献背景，覆盖 GEO 方法、测量评估、AI 搜索实证、风险操纵、Agentic Search 和 RAG 等主题。
引用广度和吸收深度需要分别测量。 在跨平台实验中，Perplexity 和 Google 平均引用更多信源，ChatGPT 引用较少，但成功抓取页面的平均引用影响力更高。完整口径见论文 From Citation Selection to Citation Absorption。
内容匹配度、结构和证据密度与吸收深度相关。 高影响力页面通常更长、分段更清楚，也更常包含定义、数字、对比和操作步骤。单独采用 Q&A 格式没有表现出吸收优势。这些结果来自静态样本中的描述性统计和相关性分析。
同一产品的 Web 与 App 需要分开观察。 中文生成式搜索研究发现，同一平台不同终端的信源集合存在系统差异，界面类型会影响跨平台比较。完整结果见论文 What Do Chinese-Language Generative Search Engines Cite and Surface?。
| 你想做什么 | 建议入口 |
|---|---|
| 了解 GEO 研究结论 | CN-GEO 在线分析报告 · 跨平台实验摘要 |
| 使用数据或继续分析 | CN-GEO 数据集说明 · 清洗后数据使用说明 |
| 阅读论文或引用研究 | 两篇实证论文 · 54 篇论文导航 |
| 复查实验与处理方法 | 跨平台实验管线 · CN-GEO 构建脚本 |
只想阅读结论时，可以直接使用 GitHub Pages，无需克隆完整仓库。数据分析与复算方式分别写在两个研究目录的 README 中。
这套实验覆盖 602 条受控 Prompt、21,143 条有效搜索层引用和 23,745 条 citation-level 特征记录，并从 18,151 个成功抓取页面中提取 72 维特征。
研究将生成式搜索拆为两个可观察结果：
- 引用选择：平台是否触发搜索，以及哪些信源进入引用列表。
- 引用吸收：引用页面在语言、证据、结构和事实层面对最终答案的参与程度。
对应论文：
Zhang Kai, He Xinyue, Yao Jingang. From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms. arXiv:2604.25707, 2026.
研究材料包括 Prompt 与数据、完整 Markdown 报告 和 在线 HTML 报告。
CN-GEO 当前发布版包含 214,119 条原始引用记录、64 个 JSONL 分片、9,878 个规范信源和 107,659 个规范页面。仓库同时提供标准 Parquet 表、自包含 DuckDB、页面特征、分析集市、质量报告和可视化报告。
对应论文：
Tao Zhen, Yue Liu, Gege Zhang, Yixuan Niu. What Do Chinese-Language Generative Search Engines Cite and Surface? A Large-Scale Empirical Study. arXiv:2607.15771, 2026.
论文分析四个中文大模型产品的八个 Web / App 界面，主要研究引用行为、实体曝光和跨界面一致性。
论文库按 10 个主题收录 54 篇 PDF，包含 GEO 基础框架、方法优化、测量评估、AI 搜索实证、AEO 理论、风险与操纵、垂直多模态、Agentic Search、RAG 和搜索评估治理。
| 资产 | 来源与本仓库角色 |
|---|---|
| 跨平台实验 | 本仓库保存实验 Prompt、数据、管线与报告，并作为 arXiv:2604.25707 的公开数据和分析入口。 |
| CN-GEO | 基于 WENDAOstudy/cn-geo-citation-dataset（CC BY 4.0）整理，提供清洗、查询和可视化分析。 |
| 论文 PDF | 论文著作权归原作者或出版方。仓库提供主题整理、来源链接、文件清单和校验信息。 |
使用数据前请留意这些边界：
- 跨平台实验来自一次静态研究快照，当前没有为每条记录提供统一采集时间戳。
- CN-GEO 原始层缺少完整回答、回答批次、模型版本和采集时间。来源覆盖与跨平台共识可以直接研究，趋势、情感、严格引用排名和品牌推荐率需要更多回答级数据。
- 不同论文、原始数据和清洗仓库采用各自的样本范围与处理口径。引用数字时，以对应论文或数据版本的说明为准。
- 本仓库其余代码与报告当前没有设置顶层统一许可。再发布或商业使用前，请确认相应目录和原始材料的授权范围。
完整的数据限制和验收结果见 CN-GEO 数据集中文说明 与 数据质量报告。
仓库后续更新主要集中在数据版本、分析报告和论文库。可以通过 GitHub 的 Star 收藏项目，通过 Watch 关注提交与讨论。
欢迎在 Issues 中提交：
- 数据字段、清洗规则或报告口径问题；
- 可复现的分析结果与修正建议；
- 值得补充的 GEO / AEO / AI Search 论文。