问 AI 一个小众品牌的问题，它常常答错，或者干脆装没听见。行业里的第一反应通常是「模型还不够聪明，等下一代」。卡内基梅隆大学 10 月发布的一项实体链接研究，把这笔账算清了：模型想得再深，也变不出参数里没有的知识。论文开头的例子很形象——日语新闻里只写「クルーズ船」（邮轮），AI 认不出说的是哪艘船，直到看见船身上的「钻石公主号」才恍然大悟。认不出的根源，不在聪明程度，在记录厚度。

「热」不等于「厚」：AI 判断熟不熟，看的是档案

研究用 15 种指标衡量一个实体被记录得扎不扎实，发现不同指标划出的「冷门实体」名单平均只有 37% 重叠——不少天天有曝光的对象，知识网络里的记录其实稀薄。论文举了两个例子：某事件页面浏览量 3.6 万、被编辑过 980 次，在维基数据里的结构化陈述却只有 11 条；另一个页面文字单薄，知识图谱里却有 287 条入链。

品牌同理。声量、流量、热搜是「热」，AI 认人要的是「厚」——你是谁、做什么、服务谁、有什么证据，这些事实有没有被明确、一致、机器可读地记录下来。热而不厚，模型照样一知半解。

推理救不了没学过的，检索才是生命线

对照实验的结论很干脆：

  • 只加推理不给检索：冷门实体上提升统计上不显著。参数里没有的东西，想得再深也想不出来；
  • 非推理模型硬上检索：整体准确率反而降了 4.9%。错误日志显示它平均搜 3.2 到 5.2 次，两次搜索之间只输出 26 到 30 个 token，搜完立刻搜下一条，正确答案被噪音淹没；
  • 推理模型配检索：整体优势 6.9 个百分点，在记录最稀疏的切片上扩大到 23.3%。

更扎心的是错误构成：72% 的错误案例里，正确答案压根没被检索召回过。模型再聪明，米没下锅就做不出饭。

品牌侧能动手的三件事

  • 一句话定位放在能被检索器直接命中的位置：页面开头用明确的主谓宾说清品牌是什么，别让关键事实埋在第三屏；
  • 减少噪音：同一事实多个版本表述（年份不一、口径不一）会稀释匹配信号，先对齐再发布；
  • 警惕转喻歧义：研究里日语的「米」被模型当成姓氏而非「美国」的简写，做海外市场的品牌要检查自己的缩写、俗称在目标语言里会不会被误读。

这篇研究最值得记住的不是某个准确率数字，而是那句话：冷门问题不解决于更聪明的模型，而解决于更扎实的记录、更干净的检索通道。对正在做 AI 曝光的品牌来说，与其等模型升级，不如先把自家档案补厚。