Perplexity 引用来源遭质疑：批量生成的"最佳软件"页面与被误引的数据

两份审计报告同日登上 HackerNews

2026 年 9 月 2 日，HackerNews 上出现了两份针对 AI 搜索工具 Perplexity 引用机制的独立调查，分别获得 518 点和 124 点热度。两份报告从不同角度指向同一个问题：Perplexity 所引用的信息来源，其可靠性与相关性存在明显缺陷。来源

三个站点产出 21.5 万页"最佳软件"内容

第一份报告来自 trellner.com。调查发现，仅三个网站就生成了 215,128 个以"best software"（最佳软件）为主题的页面，而 Perplexity 在回答相关推荐问题时频繁引用这些页面。报告将这类内容称为"manufactured sources"（人造来源），意指其并非基于真实评测或使用体验，而是为迎合 AI 检索与引用机制批量生产的页面。来源

这一规模意味着，当用户向 Perplexity 询问某类软件推荐时，得到的答案很可能建立在大量同质化、低信息密度的页面之上。报告的核心质疑在于：引用数量与引用质量之间并不等价，而 AI 搜索的推荐结果可能被这类可批量复制的内容所影响。

三分之一引用不含所引数据

第二份报告来自 hausresearch.com，聚焦 Perplexity 引用的准确性。审计结果显示，约三分之一的引用链接中，并不包含 Perplexity 所引述的那个具体数字。换言之，AI 给出的数据与其标注的来源之间存在对不上的情况。来源

对于以"提供可核查来源"为卖点的 AI 搜索产品而言，这一发现直接触及产品可信度的基础。引用机制本应让用户能够回溯验证，但如果来源页面中找不到对应数字，引用就失去了验证功能。

两份报告的共同指向

两份报告虽切入点不同——一份关注来源如何被"制造"，一份关注引用是否准确——但都指向 AI 搜索在信息溯源环节的薄弱之处。前者说明可被批量生产的内容容易进入引用池，后者说明已进入引用池的来源未必经得起核对。来源 来源

对用户而言，这意味着在使用此类工具时，引用链接的存在本身并不构成信息可靠的充分证据，仍需点开原文自行核对。对产品方而言，如何提升来源筛选与引用校验的精度，是这类工具需要持续面对的技术课题。

以上整理自 HackerNews 公开讨论，原帖见上方链接