Topic 03 / Benchmark

Benchmark

研究如何用稳定问题、明确口径和可追溯结果评估 GEO 与 AI 检索表现。

研究范围

Benchmark 用于把一次性的回答观察变成可比较、可重复和可解释的评测过程。

2026-10-04

把来源展示、答案支持和品牌提及分开记录，明确事件、分母、人工标注与跨平台比较的边界，让GEO月报可以复核并指导下一步内容动作。

2026-09-21

我用 Codex 批量调用 Jev，对 300 个中文 GEO Query 做意图、自然度、相关性和 Benchmark 价值判断。本文公开实验流程、成本、结果、踩坑、SHA-256 证据，以及 Jev 在 SEO/GEO 决策工作流中的正确位置。

2026-09-20

基于19个历史豆包 Query、319个 Citation URL 标签和346次 Jev 页面判别，本研究测试 Decision Model 能否作为生成式搜索 Citation Selection 的代理，并提出 Recall、Decision、Citation 三层 GEO 研究框架。

2026-08-15

企业 GEO 评测不该追求脱离业务的客观描述，而应主动围绕真实客户意图做定向过拟合。本文说明题集设计、意图覆盖与评测目标之间的关系。

2026-08-14

王涛（Taomir）围绕 AI 检索、GEO、Benchmark、采样与 Agent 工作流公开记录研究成果和工具建设。