EVENT DOSSIER
针对 300 个问答引擎组合（50 个问题、6 个引擎、15 轮运行）的研究发现，重复相同购买问题会耗尽启用网络检索的大语言模型（LLM）的品牌推荐列表，但不会耗尽其知识来源。在 86-92% 的未检索引擎单元格中，第 15 轮运行时仍在添加从未见过的品牌，其中位数包含 15-31 个组织；而启用检索的引擎其列表在第 10 轮即饱和（中位数 8 个组织）。此外，引用域积累在每个测试时点均持续上升：四个深度单元格在第 24 轮仍在使用域，且观察到 59-84% 的 Chao2 下限估计值；44% 的检索引擎广度单元格在第 15 轮仍在添加域。单次运行仅涵盖五轮品牌集的 62-77%，跨引擎中位数问题抽取 38 个组织，其中中位数为 15 个仅出现在单一引擎中。
一项针对 300 个问答引擎组合（50 个问题、6 个引擎、15 轮运行）的测试表明，重复相同的购买问题会耗尽未启用网络搜索的五个语言模型的品牌推荐能力，但不会耗尽其来源。在 86% 至 92% 的测试单元中，未使用网络搜索的引擎在第 1…
一项针对 300 个问答引擎组合（50 个问题、6 个引擎、15 轮运行）的研究发现，重复相同购买问题会耗尽启用网络检索的 LLM 品牌推荐列表，但不会耗尽未使用网络检索的引擎。在 86-92% 的未检索引擎单元格中，第 15 轮运行时仍…
一项针对 300 个问答引擎组合（50 个问题、6 个引擎、15 轮运行）的测试表明，重复相同的购买问题会耗尽未启用网络搜索的五个语言模型的品牌推荐能力，但不会耗尽其来源。在 86% 至 92% 的测试单元中，未使用网络搜索的引擎在第 15 轮运行时仍会添加从未见过的品牌，其中位数涵盖 15 至 31 个组织；而启用检索的一个引擎则关闭了其列表（中位数为 8 个组织），这与四个早期深度测试中网络搜索运行至第 10 轮即饱和的情况相符。此外，在各项测试时间跨度内，引用域名的累积量持续上升：四个深度测试单元在第 24 轮运行时仍在添加域名，观测到的 Chao2 下限估计值占 59% 至 84%，而检索引擎的广度测试单元中有 44% 在第 15 轮运行时仍在添加域名。单次运行仅展示了五轮品牌集合的 62% 至 77…
一项针对 300 个问答引擎组合（50 个问题、6 个引擎、15 轮运行）的研究发现，重复相同购买问题会耗尽启用网络检索的 LLM 品牌推荐列表，但不会耗尽未使用网络检索的引擎。在 86-92% 的未检索引擎单元格中，第 15 轮运行时仍在添加从未见过的品牌，其中位数包含 15-31 个组织；而启用检索的引擎其列表在第 10 轮即饱和（中位数 8 个组织），与早期深度测试一致。此外，引用域积累在每个测试时点均持续上升：四个深度单元格在第 24 轮仍在使用域，且观察到 59-84% 的 Chao2 下限估计值；44% 的检索引擎广度单元格在第 15 轮仍在添加域。单次运行仅涵盖五轮品牌集的 62-77%，跨引擎中位数问题抽取 38 个组织，其中中位数为 15 个仅出现在单一引擎中。研究指出，精确稀薄化与 Cha…