一句话看懂：哥本哈根大学与斯坦福等团队测试 27 个模型、155 个话题、约七千万条断言后发现，大模型输出的知识多样性系统性低于传统搜索引擎，且模型越大反而越单一，英语视角还系统性地挤压了地方性知识。
事件核心：发生了什么
这项名为《What and Whose Knowledge?》的研究（arXiv:2510.04226，拟刊于 EMNLP 2026）把大模型的开放性知识生成与 Google 网页搜索做了对照。结论有三点：其一，所有被测模型的输出多样性都低于搜索基线，即便 GPT-5，其有效断言多样性仍比”只取前 40 个网页”的弱基线低至少 18.7%；其二，参数量与多样性呈负相关，≤8B 的小模型反而比 ≥27B 的超大模型更多元，研究者认为超强参数记忆让大模型被高频”标准表述”锚定；其三，在 8 个拥有活跃母语维基百科的国家中，5 个国家出现显著的”英语—本土语言代表性差距”，没有任何一国的母语知识代表性高于英语。
为什么重要
搜索的本质是”呈现选择”，用户自己在多个网页间比对立场；而大模型直接输出一个置信度最高的聚合答案。当搜索引擎普遍转向 AI Overviews、用户把检索与决策外包给聊天入口时，原本靠链接列表保留的多元视角窗口被压缩成一条窄缝。这直接冲击 RAG、模型训练数据配比和本地化策略：单纯堆算力与参数（Scaling）并不能提升认识论多样性，甚至可能反向恶化，靠外部多样化检索源补充才是可行方向。
对用户/开发者/创作者的影响
普通用户得到的”默认答案”会越来越像英文互联网的主流叙事，涉及他国历史、社会议题时尤其明显。开发者在做检索增强或微调时，需要把多语言语料和地方性来源当作一等公民，而不是只接英文维基与主流网页；闭源超大模型的同质化风险，可能让开源小模型在需要多元视角的场景里反而更有价值。内容创作者的处境更微妙：如果本土语言、少数群体经验不能进入英文语料，就可能在大模型的”常识”里被逐步淡化，即所谓知识坍塌与知识抹去。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是模型厂商是否在下一代版本中公开多样性指标，而非只报准确率；二是搜索引擎的 AI 概述是否会提供可切换的多视角来源；三是非英语语料与地方性知识库的建设，以及监管层面是否会把认知多样性纳入合规考量。目前公开信息显示，研究给出的主要解法仍是引入高质量、多样化的外部检索源，但前提是互联网上持续有人类创作的多元内容。
