问题：从“能搜到”到“会推荐”，大模型被操纵风险上升 近期曝光显示，一些企业为牟取流量与商业利益，借助技术手段向大模型相关信息源投放虚假或夸大内容，诱导模型在回答用户提问时“主动点名”某些产品与品牌，甚至对医疗美容、保健品等高风险领域给出带有明显倾向性的推荐。
与传统互联网时代“链接排名”的竞争不同，大模型直接给出综合性结论，用户对其依赖度更高，一旦答案被污染，误导性将更隐蔽、扩散更迅速，侵害消费者权益并冲击网络生态。
原因：商业驱动叠加黑灰产“工具化”，治理机制仍在磨合期 业内通常将这类操纵称为生成式引擎优化（GEO）。
其逻辑并非简单“买排名”，而是试图影响模型的知识来源与生成路径：通过批量生产“看似可信”的文本、问答、测评等内容，定向投放至模型可能抓取或引用的渠道，提高被模型检索、吸收、引用的概率。
其背后既有利益驱动，也有黑灰产分工协作的“产业化”特征。
从技术侧看，部分产品在检索增强生成等功能上仍较依赖开放网络语料，来源复杂、质量不一，给虚假信息渗透留下空间；从运营侧看，少数平台在内容审核、引用标注、风险提示等方面仍存在短板；从需求侧看，用户习惯正从“搜索—筛选”转向“提问—接受”，对答案的依赖度上升，进一步放大了被误导的社会成本。
影响：传播逻辑正在重构，可信来源将左右未来“注意力分配” 大模型正在成为新的“信息入口”。
当越来越多用户以对话方式获取消费建议、健康科普、出行攻略甚至政策解读时，答案的可信度直接关系公共利益。
若放任“投毒”蔓延，可能带来三方面风险：其一，消费领域出现“隐形广告化推荐”，侵害知情权与公平交易秩序；其二，医疗、金融等领域错误信息可能诱发更严重后果；其三，社会信任被削弱，用户对技术产品与网络空间整体可信度产生怀疑。
与此同时，曝光也释放出一个清晰信号：在大模型时代，单纯依靠煽动情绪、夸张包装来吸引注意力的套路，将在更强调证据链与可验证来源的机制面前逐步失效。
模型若要提升可靠性，必然在数据引用与检索策略上更偏向权威、可核验、可追溯的信息源。
对内容生产者而言，“权威性”将从传统意义上的公信力，进一步转化为影响模型引用与传播分发的核心能力。
对策：以规则、技术与责任闭环提升“可核验性” 多位专家建议，治理应同时推进制度约束与产品改造：一是压实平台与模型服务提供者主体责任，明确对高风险领域内容的审核强度、来源门槛和错误纠正机制，避免以“模型幻觉”等概念回避管理义务；二是完善检索增强等关键环节的来源控制，推动分级分类管理，在医疗健康、金融投资等领域优先引入权威数据库、官方白名单数据源，并强化引用出处展示与可追溯机制；三是加大对“投毒”黑灰产链条的打击力度，围绕虚假宣传、数据造假、非法经营等依法查处，形成震慑；四是建立跨平台的风险信息共享与快速处置通道，提高对异常内容投放、批量账号操纵等行为的识别能力。
同时，也需推动用户侧的媒介素养提升，引导公众对“推荐”保持必要审慎，尤其在涉及医疗、用药、投资等问题时，以权威渠道信息为准，避免将个性化生成内容等同于专业意见。
前景：权威信息供给与合规创新将成为竞争新赛道 可以预见，随着监管举措逐步细化、行业标准持续完善，大模型对信息来源的选择将更加注重可靠性与可验证性。
政府网站、政务平台、权威机构数据库以及具备公信力的主流媒体内容，可能在模型引用体系中占据更重要位置。
对企业而言，合规经营与真实信息披露将成为获取长期信任与市场空间的前提；对平台而言，谁能在安全、透明、可追溯的框架下提供更高质量的答案与更清晰的证据链，谁就更可能在新一轮信息入口竞争中占优。
人工智能技术的普及，正在重塑公众获取信息的方式，也在重新定义"可信内容"的价值。
语料"投毒"乱象的曝光，是一次及时的警示，提醒社会各界在拥抱技术红利的同时，不能放松对信息质量的守护。
技术可以提升效率，但无法替代对真实的坚守。
在这个意义上，权威不仅是媒体的立身之本，更是人工智能时代信息生态健康运转的基础支撑。