選擇與重排是怎麼決定一則 AI 答案要用哪些段落的？

選擇與重排把好幾份候選名單，變成一份簡短、有序、塞得進固定上下文預算的證據清單。四個操作依序發生。每一條扇出子查詢返回的候選集會被合併；近似重複與轉載副本會被折疊掉，免得同一個論斷佔走三個名額；剩下的由一個模型重新排序，它評的是每個段落對那條具體問題回答得多好，而不是它的網域有多權威；然後從尾端裁掉，直到證據裝得下。Google 用第一方的語言描述了同一個形狀：接地「依靠我們核心的搜尋排名系統」來檢索頁面，之後「我們的系統再審視那些被檢索頁面中的具體資訊，以產生更可靠、更有幫助的回答」。⁹ 那個審視，就是第四階段。

讀這些段落的是一個模型，而不是一條作用在連結圖上的公式，這一點並不是對封閉系統的猜測。它就是已發表的技術：EMNLP 2023 的一項研究發現，被適當指令化的語言模型作為重排代理時，「能在常用的資訊檢索基準上，交出與最先進的監督式方法相當、甚至更好的結果」。¹⁰ 重排器是一個讀者，而它讀的是區塊。

被低估的是「裁掉」這一刀。上游產出的候選有幾百上千條；抵達書寫階段的只有屈指可數的幾條。在 2026 年 4 月發表的一份 602 條 prompt 的學術樣本裡，一則成品答案上的引用數平均為 ChatGPT 6.88 條、Google 的 AI 介面 12.06 條、Perplexity 16.35 條。³ 候選池的絕大部分都在這裡被丟掉了，而被丟掉的東西，無法靠下游更好的文筆撿回來。AI 搜尋如何運作 把這個階段放進了完整的管線裡看。

被埋起來的答案會輸，是因為重排器評的是那個區塊，而圍在你答案四周的那八段並不是它的證據，它們是它周圍的雜訊。一個 3,000 詞的頁面，如果答案坐在第九段，它呈現出來的就是一個相關段落嵌在一大堆講相鄰主題的材料裡。而一個比較短的頁面，如果第二句就把問題答完，它呈現的是一個幾乎整段都打在靶心上的段落。頁面層級的權威救不了前者，因為這裡被打分的根本不是權威。

段落在頁面裡的位置看起來也有影響，儘管證據是廠商發布、而且作者自己聲明為相關性質的。2026 年 6 月一項針對 10,000 則 AI Overview 回答、100,000 個引用落點、透過捲動定位片段比對回原文位置的研究發現，38% 的引用取自頁面的前 100 詞，而一年前一個較小的對照集是 20%；作者明白寫道，這份資料是相關性質的，他們「能顯示 AI 模型從哪裡引用，但無法確定地說明為什麼」。² 實用的讀法不是「把所有東西都堆到最上面」，而是：開場白、品牌清嗓子和「本文將涵蓋……」佔走了整頁最值錢的地段。

一個段落被選中之後，它在模型上下文裡的位置同樣有影響，而且這方面的支持比任何關於頁面形態的說法都更強。2026 年那篇批判性綜述把上下文中的位置評為強，前提是該文件已經被檢索到；把查詢與文件的相關性評為在受控設定下強。⁴ NeurIPS 2025 的 C-SEO Bench 給出了數字：在 GPT-4o-mini 的零售領域裡，最好的傳統干預，也就是改善來源在 LLM 上下文裡的位置，讓目標平均前移 2.77 個名次，而它測試的十種內容改寫方法中最強的一種只有 0.36。論文自己的措辭沒有給出任何倍數：把目標文件「放在 LLM 上下文視窗的第一位，帶來的引用排名增益遠大於任何一種 C-SEO 方法」。⁵ 為什麼會這樣，有它自己的文獻：模型表現「往往在相關資訊出現在輸入上下文的開頭或結尾時最高，而當模型必須存取長上下文中間的相關資訊時會顯著下降」。⁸ 這個位置不是你設定的。你能施加的影響，是成為那個最精確回答了子問題的段落。

只能反向控制，而且只在有文件說明控制手段的介面上。Google 的指引點名了四個：「若要限制你的頁面在搜尋中顯示的資訊，請使用 nosnippet、data-nosnippet、max-snippet 或 noindex 控制項」，而它的 AI 功能跑在同一套摘要資格上。⁶ 這給了你一個方法，把某一塊文字排除在被引用之外，或替一個頁面能被顯示的量設上限，兩者都是在減少你的曝光面，而不是在導引它。

沒有正向的對應物。沒有任何引擎提供把某一段標記成「我希望被引用的是這一段」的方式，也沒有任何標記、檔案或指令能提名一個。唯一可用的正向影響是構成上的：讓回答子問題的那一段，成為整頁最清楚、最精準打在靶心上的東西，並給它一個把問題說出來的標題。這不是技巧，而這正是它一直有效的原因。