创艺学院田政课题组提出面向搜索智能体的生态级证据优化框架

创意与艺术学院人工智能与数字艺术实验室田政课题组，针对AI 搜索智能体面临的信息操纵风险，提出生态级证据优化框架（Ecosystem Generative Engine Optimization，EcoGEO） ，将传统以单网页为单位的生成引擎优化（GEO）研究扩展到搜索轨迹层面和信息环境层面，系统研究多个相互关联的信息源如何共同改变搜索智能体的信息获取过程与最终判断。相关成果以“EcoGEO: Trajectory-Aware Evidence Ecosystems for Web-Enabled LLM Search Agents”为题发表于人工智能领域国际会议 NeurIPS 2026（Conference on Neural Information Processing Systems）。

搜索智能体与传统搜索系统的一个重要区别，是它不会被动接收一次检索结果，而会自主发起多轮“搜索—浏览—再搜索—再浏览”，并最终综合沿途获得的信息生成回答（如图1）。影响智能体最终判断的并不是一个静态网页，而是一条不断演化的信息获取轨迹。这意味着，针对搜索智能体的信息影响也可能从“优化一个网页”进一步演变为组织整个证据环境：当多个页面围绕同一对象提供相互一致、彼此连接的信息时，智能体可能在自主搜索过程中不断接触到新的相关证据，并逐步改变后续搜索行为和最终判断。

图1 - 智能体搜索流程图：用户向智能体提交查询，智能体通过多轮搜索和网页浏览搜集证据，并综合形成最终回答。

传统GEO研究主要关注如何修改或优化一个网页，使其更容易被生成式搜索系统检索、引用或纳入回答。但对于能够主动浏览的智能体，仅研究单个页面已经难以完整描述其信息获取过程。EcoGEO 则将问题从“一个网页如何影响模型”进一步扩展为“一个经过组织的信息环境，如何改变智能体获得证据的路径，并最终影响其判断”。

为了验证这种环境级影响，团队提出轨迹感知的协调证据生态系统（Trajectory-Aware Coordinated Evidence Ecosystem,TRACE）。不同于传统方法只优化一个目标页面，TRACE 围绕目标对象构建一个相互协调的多页面证据生态。这些页面在形式和角色上彼此不同，但围绕相同的核心属性保持信息一致，并通过内部链接和跨页面引用形成连接，使智能体在进入这一信息环境后，可以沿着链接继续获取更多相互补充的证据。

图2 - TRACE 生态示意图：导航入口页面连接官方、新闻、专家、评测、论坛和社交媒体等异构信息源，共同组成协调的证据环境。

为了系统评估这种影响，同时避免对真实互联网造成信息污染，团队进一步构建了开放式商品推荐基准（Open-ended Product Recommendation Benchmark，OPR-Bench）。从SafeSearch、E-Commerce 和 E-GEO 三个公开数据源中筛选开放式商品推荐和购买决策需求，共得到 3124 组“查询—商品对”。针对每一个查询，研究人员构造一个与需求合理相关、形式真实但现实中并不存在的虚构商品，并在受控条件下建立对应的信息环境。

这种设计使研究人员可以精确观察：当智能体第一次接触目标信息后，它是否会主动继续搜索、是否会访问更多相关页面，以及这些行为最终是否会改变推荐结果。所有目标商品、相关页面和实验环境均为人工构造，不涉及在真实公共互联网中发布虚假商品信息或操纵真实搜索结果。

实验结果表明，TRACE 在三个测试数据集上均显著提高了目标商品最终进入智能体推荐结果的比例，推荐率分别达到 67.2%、71.9% 和 73.9%。相比各数据集上表现最好的基线方法，分别取得 31.3、15.7 和 14.9 个百分点的绝对提升。相比之下，传统单页面 GEO 方法并不能稳定优于未经优化的单页面基线。

更重要的是，TRACE 改变的不只是最终回答，也改变了智能体获取信息的过程。采用 TRACE 后，智能体更频繁地访问首次出现的目标相关结果，更容易围绕目标对象主动发起针对性的后续搜索，并会进一步沿网页内部链接访问新的支持页面。特别是，只有 TRACE 产生了明显的内部链接浏览行为。这表明，对搜索智能体的环境级影响可能沿着 “初次发现 → 针对性搜索 → 链接跳转 → 多源证据积累 → 最终判断” 逐步形成和累积。

表1 - TRACE 与 Page-Level GEO 等方法在 OPR-Bench 上的实验结果，TRACE 在三个数据集上均取得最高的目标推荐率（使用的模型为 GPT-5.1）。

随着AI 智能体获得越来越强的搜索、浏览和工具调用能力，AI 安全的研究边界也正在从模型本身向模型与外部环境的交互过程扩展。EcoGEO 的研究表明，对于能够自主搜索互联网的智能体而言，安全评估不仅需要关注模型本身和单个网页中的内容，还需要进一步关注搜索轨迹、不同信息源之间的关系，以及整个外部证据环境如何共同塑造智能体的判断。这一工作为理解搜索智能体面临的环境级信息操纵风险提供了新的研究视角，也为后续搜索智能体的安全评测与防御研究提供了实验基础。

上海科技大学为该成果的唯一完成单位。创意与艺术学院2024级硕士研究生叶恒炜为论文第一作者，2025级硕士研究生毛佳盛、管振瀚为第二、第三作者；创意与艺术学院田政教授为通讯作者。