Return to course: 让 AI 替你说话:GEO 权威指南
GEOBOK
Previous Lesson
Previous
Next
Next Section
第二章 · 章末测验
内容进入生成式回答,通常经历哪两个阶段的处理?
*
抓取阶段与索引阶段
训练阶段与推理阶段
检索阶段与生成阶段
排序阶段与展示阶段
关于 Token 切分,下列说法正确的是?
*
每个汉字固定对应一个 Token,统计字数即可得到 Token 数
高频词组更容易被保留为整体,低频生僻的词会被拆得更碎
Token 与汉字之间存在固定换算比例,写作时按比例控制字数即可
不同模型使用同一套分词器,切分结果完全一致
GEO 语境下,提高「信息密度」的正确做法是?
*
在同一段落里覆盖尽可能多的主题、卖点和关键词
增加每个段落的篇幅,把相关背景、行业铺垫和方法说明尽量完整地展开
提高品牌名和核心关键词在全文中的出现频率与密度
在同一问题意图下减少套话,增加可验证、可复述的有效信息
「吸水率 0.5%」「800×800mm」这类精确参数,在检索中的价值主要体现在?
*
它们是词项检索与实体识别的强匹配锚点,与语义检索形成互补
它们能显著提升纯向量检索的相似度得分,是语义匹配最核心的信号
它们主要用于说服人类读者,检索系统在匹配时会忽略具体数字
它们容易触发平台的广告内容过滤,正文中应当尽量少写
在答案块和核心段落里,把「它」「该产品」替换为完整名称,主要是为了?
*
满足检索系统对核心关键词在页面中出现频率和分布密度的基本要求
避免切片后代词的指代对象落在另一片段,让内容无法被独立理解
符合正式书面语的表达规范,提升页面内容的专业感
防止竞品品牌借助模糊指代蹭走这段内容的语义关联
当多个候选片段被拼进较长的上下文时,为什么仍建议把核心结论放在段落前部?
*
片段的位置不由作者控制,而中间位置利用率偏低,前置可对冲风险
模型严格按从前到后的顺序赋予权重,越靠前的片段整体得分越高
上下文一旦超过窗口长度上限,排在靠后的所有内容一定会被截断丢弃
结论前置能直接提高该片段与查询之间的向量相似度得分
AI 在生成阶段处理你的内容的方式,更接近下列哪种?
*
从原文中原样摘录与问题最相关的句子,直接拼接进回答里保持原文措辞
理解后用自己的语言重新表述,句式越绕失真风险越大
把整篇原文压缩成一段固定长度的标准化摘要
逐句改写成规范的书面语之后,再完整地输出