​谷歌搜索 AI 概览准确率仅 90%，易受虚假信息影响

《纽约时报》最近的一篇报道，把谷歌AI概览（AI Overviews）推到了聚光灯下。报道提到，这项功能的准确率大约在90%。这个数字听起来挺高，但别忘了谷歌搜索每年要处理超过5万亿次查询。这么一算，即便只有10%的误差，也意味着每小时可能产生超过5700万条错误答案，平均每分钟接近100万条。这个量级，足以让任何对信息质量有要求的人心头一紧。

那么，这个90%的准确率是怎么来的？这得提到一家叫Oumi的初创公司。他们用SimpleQA基准，分析了4326次谷歌搜索结果。数据显示，去年10月，谷歌的Gemini 2模型准确率在85%左右；到了今年2月，迭代后的Gemini 3将这个数字提升到了91%。看起来是稳步前进。

但事情没那么简单。首先，Oumi的评估方法本身主要依赖AI工具，这可能导致数据存在一定偏差。其次，谷歌的AI概览有个特点：它对同一个搜索查询，可能会生成不同的结果摘要。这种不确定性，让“准确率”这个单一数字的参考价值打了折扣。

准确率提升，但“信源不符”问题加剧

更值得玩味的是另一个趋势。根据分析，AI生成的概览内容与它所引用的原始信息来源不符的比例，正在显著上升——从Gemini 2时期的37%，飙升至Gemini 3的56%。

这会造成什么局面？用户常常遇到两种尴尬情况：要么，看到的AI概览自说自话，点开下面提供的链接却发现根本不是那么回事；要么，概览的结论本身是对的，但它引用来佐证自己观点的链接，内容却是错误的。这就好比一个学生考试答案蒙对了，但解题过程引用的是错误公式，其可靠性自然存疑。

这种机制上的漏洞，甚至引来了刻意的测试。有记者专门发布了一篇包含虚假信息的博客，结果谷歌的AI概览在第二天就引用了这篇博客的内容。这清晰地表明，当前的AI概览系统在抗操纵和辨别信源真伪方面，还存在明显的薄弱环节。

自相矛盾的信息，消磨用户信任

实际搜索中令人困惑的例子也不少。比如，用户斯蒂芬・潘瓦西曾搜索摔跤手胡克・霍根是否去世。AI概览明确告诉他：“没有可信报告显示霍根已去世”。然而，就在这个 reassuring 的摘要下方，却赫然列着一篇标题为“霍根之死谜团加深”的文章链接。

这种页面内的“自打嘴巴”，让用户该相信哪一边？它直接动摇了用户对AI生成内容的根本信任。当工具本身都无法保证内部信息的一致性时，用户付出的甄别成本反而可能更高。

核心问题梳理：

• 规模性风险：90%的准确率在万亿级查询量下，意味着海量潜在错误信息。

• 进步与隐患并存：模型准确率在提升，但其产出与信源不符的比例不降反升，已超过50%。

• 脆弱性凸显：系统易受虚假信息干扰，且存在内容自相矛盾的情况，持续消耗用户信任。

面对外界的质疑，谷歌的回应指向了评估方法本身。其发言人对Oumi的测试提出了异议，认为这种评估未能真实反映用户的日常搜索行为。这场关于“如何正确衡量AI搜索质量”的辩论，恐怕才刚刚开始。