落地/依据（Grounding） Grounding

Grounding（落地、依据）指把大模型的生成答案锚定到可核验外部来源上的机制：先检索，把检索结果放进上下文，再让答案的表述与这些来源对应，并附上引用。这个词是厂商的官方语汇——Google 在其 AI 产品与云文档里用 grounding 描述「让回答基于可验证信息」，Anthropic 在工具与搜索能力的文档里也用同一词汇描述答案附着来源的行为。GEO 与这个词的关系一句话说尽：引擎做 grounding，需要落点，你的内容就是候选落点之一——整个学科做的事，就是提高自己被落下的概率与落下的质量。

这个词解决什么问题

没有 grounding 的生成，回答只依赖模型参数里的记忆，知识有截止日期、细节会走样、错处无法向用户交代。加上 grounding，回答的事实性主张可以指向具体来源：用户能核验，引擎能免责，时效缺口能靠实时检索补上。这也是为什么主流 AI 搜索产品普遍把「带引用」当作产品能力的标配而不是装饰——引用是 grounding 在界面上的可见形态，是「这个答案有依据」的承诺。机制全貌与工程细节，站内机制卡Grounding 落地链路有专门展开。

引用因此是三方协议：对用户，它是「可核验」的承诺；对引擎，它是置信与免责的锚点；对内容方，它是被采信的凭证入口。三方都需要引用，这解释了为什么引用形态在产品迭代里被反复强化而不是弱化。还有一层要强调：grounding 与模型能力无关，与「诚实」有关——模型再强，凭记忆报价格、报库存、报政策都是冒险，接地是让冒险的表述降级为有出处的表述。企业的价格页、参数页、政策页因此在 grounding 语境下有了新的价值层级：它们是引擎最需要落地的页面类型，也常是被忽略的引用入口。

与 RAG 的关系：一段链路与全链路

Grounding 与检索增强生成（RAG）高度重叠但侧重不同。RAG 描述的是完整工程链路：查询处理、检索、候选注入、生成、引用产出，关注系统怎么搭；grounding 侧重结果属性——答案与来源之间的附着关系是否成立、引用是否真实可核验。可以粗略说 RAG 是过程名词、grounding 是结果名词：跑完一条 RAG 链路，产出「有依据的答案」，这个「有依据」就是 grounding。全链路的机制分解见RAG 全链路机制。

术语的对译顺带交代：中文资料里「落地」「接地」「依据」三种译法都在流通，本站统一用「落地/依据」。翻译不是重点，重点是与英文原词一一对应——「接地」这类电气联想引入的歧义，能避则避。

对内容方，这个区分有实际含义：影响 RAG 链路前段的动作（被检索到、被召回）与影响 grounding 段的动作（被选中、被如实转述）是两类工作。前者是收录与排序层面的基本功，后者是内容形态层面的功夫——段自含、事实密度、可摘录性，决定引擎能不能从你的页面上剪出一段不用改写就能用的材料。剪出来的那段怎么保持原样进答案，引用的口径见引用率（Citation Rate）。

Grounding 的质量有高低：对内容方的四点推论

第一，挂了来源不等于说了对的话。答案对来源的转述可能失真——拼接跨段内容、放大局部细节、把有条件的结论去条件化，引用还在那里，语义已经偏了。被引方要监测的不只是「有没有被引」，还有「被说成了什么」，这层监测的展开见事实纠错监测（Fact-Check Monitoring）；转述走样在机制侧的根源见检索增强生成幻觉（RAG Hallucination）。

第二，grounding 的质量受候选池质量约束。检索回来的是低质内容，答案接地接在低质上，错得更理直气壮。这对内容方是双向的：高质量信源在候选池里是稀缺资源，这正是一手数据、清晰署名、可核验引用这些功课的回报位置；反过来，竞争不过的题目不必硬挤——引擎对来源质量有自身筛选，落选的题目与其反复改写页面碰运气，不如回头把该题的第三方在场做起来，grounding 落到谁头上，在候选池阶段就写好了大半。

第三，grounding 的形态在产品间不同：有的把引用做成答案不可分割的一部分，有的折叠在页面角落。同一份内容在两种形态下的实际曝光差异巨大——「被 grounded」只是入场，被看见还要看产品的引用展示形态与窗口宽度。内容方影响不了产品的引用排版，但可以影响自己被引用时以什么形态被转述：结论句完整、数字自带出处、表述自带限定词，被转述的保真度就高。

第四，grounding 与训练是两条线。内容进了模型训练语料，改变的是参数记忆；grounding 是当次推理时的检索附着，两者的时序与机制都不同。把「做语料」与「做引用」两套动作混成一锅，会同时误判两件事的成效——它们的见效周期、衡量方式、投入形态都不一样，本库在概念辨析卡里专门处理过这组对比。

用词纪律：别把术语用成一厢情愿

行业内容里 grounding 有被用泛的倾向：任何「让 AI 看到我的内容」的动作都被叫成 grounding，词就失去了信息量。本站的用词纪律是：grounding 保留给「答案与来源的附着机制」这个厂商原义；内容方做的事叫优化被引条件、做可引用性，不宣称自己「做了 grounding」。术语的对齐听起来是小事，但这个词是厂商文档的官方语汇，与客户、与工具厂商对话时口径一致，能省掉大量各说各话的成本——这也符合本库一贯的做法：概念先对齐，数据才可对账。