什么是 Logprobs：如何看到 AI 对每个词的”信心值”

Logprobs（对数概率）是 AI 在生成每个 Token 时输出的置信度分数——数值越高（越接近 0），AI 对这个词的选择越有信心；数值越低（越负），AI 越不确定。通过分析 Logprobs，可以判断 AI 在回答中对哪些信息”最有把握”、对哪些信息”在猜”。

通俗理解

想象你让 AI 写一篇关于你品牌的介绍。AI 写出来了一段话，每个词上面都飘着一个”信心分数”。

“XX 品牌” → 信心 95%（AI 很确定这个品牌存在）
“成立于” → 信心 90%
“2018 年” → 信心 40%（AI 不太确定是哪一年）
“专注于实验室仪器” → 信心 85%

那个 40% 的”2018 年”就是 AI 最可能出错的地方——它不确定，但还是写了一个数字。这就是幻觉的来源。

Logprobs 就是让你看到这些隐藏的”信心值”。

技术原理

在 API 调用中（如 OpenAI 的 API），你可以设置 logprobs=true 来获取每个生成 Token 的对数概率。

• Logprob = 0： 概率 = 100%，AI 完全确定
• Logprob = -0.1： 概率 ≈ 90%，AI 非常有信心
• Logprob = -1.0： 概率 ≈ 37%，AI 有些不确定
• Logprob = -3.0： 概率 ≈ 5%，AI 在”猜”

数值是对数概率（ln(p)），所以都是负数或零。越接近 0 越确定。

这和 GEO 有什么关系

Logprobs 对 GEO 从业者的价值主要在诊断层面：

诊断 AI 对你品牌的认知度

通过 API 让 AI 生成关于你品牌的回答，检查品牌名称出现时的 Logprobs。如果你的品牌名 Logprob 很低（比如 -3.0），说明 AI 对你的品牌”不熟悉”——参数化记忆中存在感很弱，需要加强多源分发。

识别幻觉风险

如果 AI 在回答中提到了你的产品参数，但该 Token 的 Logprob 很低，说明 AI 对这个数据不确定——很可能是”编的”。这提醒你需要在内容中提供更明确、更容易被检索到的数据，减少 AI “猜测”的必要。

评估内容的”可复述性”

让 AI 复述你的答案块内容，对比 Logprobs。如果复述过程中大部分 Token 的 Logprob 都较高（>-0.5），说明你的内容”复述友好”——AI 在复述时阻力小、忠实度高。如果 Logprob 普遍较低，说明你的表述方式对 AI 来说”不自然”，需要简化。

使用限制

Logprobs 需要通过 API 访问，大多数 AI 产品的用户界面不直接展示。它更适合有技术能力的 GEO 从业者或团队使用。

但即使你不直接使用 Logprobs，理解这个概念也有价值：它提醒你 AI 的每一个输出都有一个”信心值”，你的 GEO 优化目标就是让 AI 在引用你的内容时信心值尽可能高。

延伸阅读

• 《让AI替你说话：GEO权威指南》第二章 2.5 节
• 《让AI替你说话：GEO权威指南》第八章”GEO 效果监测”中关于 API 自动化检测的部分
• GEOBOK 免费工具：AI 品牌印象诊断

常见问题 FAQ