AutoGEO来了——CMU把AI的“引用口味”变成了可执行的规则集

GEO最大的痛点是什么?你不知道AI到底喜欢什么样的内容。

以前靠猜、靠试、靠经验。现在，卡内基梅隆大学的研究团队在ICLR 2026发表了一篇论文，提出了AutoGEO——一个能从大量数据中自动抽取AI引擎偏好规则的系统。

原理不复杂：对每个搜索问题，生成式引擎会检索候选网页并用LLM生成答案。AutoGEO会挑出“一个被大量吸收、一个几乎没被用”的两篇文档做对比，通过四步处理(解释差异→提炼洞察→合并规则→过滤噪声)，最终生成一套可执行的优化规则。

实验结果很炸：AutoGEO让网页在AI答案中的可见性比最强基线模型提升了50.99%。

更关键的是，论文强调了一个“合作式”立场：优化可见性不能以牺牲AI输出质量(GEU，Generative Engine Utility)为代价。如果GEO只是让互联网充斥“为引用而写”的噪声，最终会反噬所有内容提供者。

研究者还发现：不同AI引擎的偏好规则有重叠，但也有独特之处;从开放域迁移到电商场景时，规则重叠会显著下降——电商更偏好“可操作步骤”，研究类更偏好“深度解释”。

这意味着，未来可能出现“同一页面多版本”分别迎合不同AI引擎的趋势。GEO从玄学进化成了工程学。