AI Overview（如 Google 的 AI Overview / SGE）之所以 约 90% 倾向引用“大网站”，并不是简单的偏好，而是由 算法、数据、风险控制、以及网页结构等多层“结构性原因”共同造成的。下面是核心机制：

1️⃣ 训练数据结构：大网站在语料中占绝对优势

大模型训练时主要依赖 公开网页数据 + 高质量语料。

现实情况是：

• 维基类：如 Wikipedia
• 大媒体：如 BBC、The New York Times
• 大平台：如 Reddit、Quora

这些网站：

• 内容量巨大
• 被引用次数多
• 在数据集中重复出现

结果：

模型在训练阶段就已经对这些网站“更熟悉”，因此生成答案时更容易引用它们。

这叫 data distribution bias（数据分布偏差）。

---

2️⃣ 搜索排序系统本来就偏向权威站

AI Overview 不是独立系统，它是建立在 Google 搜索排序之上的。

Google排序长期核心原则：

• E-E-A-T（Experience, Expertise, Authoritativeness, Trustworthiness）
• Domain Authority
• Backlinks

结果就是：

排名靠前的网站往往是：

• Wikipedia
• 大媒体
• 政府网站
• 大品牌站

AI Overview生成摘要时通常：

从 Top search results 抽取信息

因此自然 继承了搜索排名偏向。

---

3️⃣ 风险控制：AI更“敢”引用大网站

AI Overview涉及法律风险：

如果引用小博客可能：

• 错误信息
• 医疗误导
• 财务建议错误

而引用：

• Mayo Clinic
• World Health Organization
• Harvard University

则：

• 更可信
• 法律风险更低
• 内容审核更容易

因此系统 刻意提高权威源权重。

---

4️⃣ 技术原因：大网站结构更适合 AI 抽取

AI Overview需要 机器可解析内容。

大网站通常具备：

• 清晰标题结构（H1/H2）
• schema structured data
• FAQ模块
• 高质量段落

例如：

• Wikipedia 的条目结构
• WebMD 的医疗结构化内容

而小站常见问题：

• SEO堆词
• 结构混乱
• 内容短

AI抽取难度更高。

---

5️⃣ 链接网络效应（Web graph）

互联网是一个 引用网络。

大网站：

• 拥有更多外链
• 被更多站点引用

例如：

• Wikipedia被数百万网站链接。

AI或搜索算法会认为：

被引用越多 → 可信度越高

因此形成 权威网站马太效应。

---

6️⃣ 评估数据也偏向大网站

Google评估AI质量时会用：

• 人类评估员
• 参考答案数据集

这些参考资料往往来自：

• Wikipedia
• 学术机构
• 大媒体

于是系统被优化为：

更接近这些来源的答案

---

📊 总结（最关键的结构性原因）

AI Overview偏向大网站主要是 六个系统层原因叠加：

1️⃣ 训练数据偏向大站2️⃣ 搜索排名机制偏向权威站3️⃣ 法律与安全风险控制4️⃣ 大网站更容易被机器解析5️⃣ 网络链接权威效应6️⃣ 评估体系偏向权威资料

最终形成：

AI引用集中在少数大型网站的“结构性偏见”