AI大模型引擎如何塑造全球冲突信息环境

AI回答引擎如今承担着分析师、学者与公众就和平与冲突议题所提问题的越来越大的份额。已知大语言模型（LLM）在某些条件下产生幻觉，但当被问及冲突时这些错误是否有可辨识的模式？如果有，它们能教给我们关于变化的全球冲突信息环境的什么？为回答，我们首先向五个领先回答引擎提出关于28场冲突的一系列问题，并把它们的5,460个答案对照有记录的证据打分。我们发现：围绕给定冲突的可检索记录越稀薄，引擎就越多地捏造、错误归因与算错。稀薄记录不仅助长幻觉，还制造对错误与虚假信息的结构性暴露——因为它们是最容易经生成式引擎优化（GEO）被扭曲以偏置引擎响应的记录。经对LLM抽取冲突事实的1,048个网站的分析：我们发现GEO来源优化已在发生，且尽管国家派系的数字化捕获仍处萌芽，它正快速增长。我们解释这些发现对GEO信息战兴起下学术研究的意义，并为政策主张回归AI工具无法复制的深度本地监测与基于翻译的研究，以对该快速演变领域的未来研究机会与挑战的讨论收尾。