AI很少提到奖项：五次中有两次是米其林

简短的答案：AI推荐商家时，提到奖项等荣誉的只有1.2%，而且五次中有两次是米其林星级。 在四个国家里ChatGPT或Gemini推荐商家的16,022个段落中，有191个把奖项、指南或排名作为理由。仅米其林指南就占76个。餐厅每六个段落就有一个提到荣誉；而水管工、电工、锁匠、汽修和驾校，4,809个段落中只有6个。AI并不奖励奖项本身，它只是重复一个它早已认识的评审者的评价。

当荣誉来自模型早已认识的评审者时，它才会进入AI的回答。

测量了什么

与10月1日和2日两期相同的语料，以同样方式切分：我们在美国、英国、法国和巴西的四项研究，把买家问题通过编程接口、不开网页搜索，提给ChatGPT（gpt-4o-mini）和Gemini，共3,600条回答，其中有16,022个段落，各自专门讲一家被点名的商家。我们在每个段落中寻找荣誉：奖项（“award-winning”“primée”“premiado”）、指南（米其林、高特米鲁）、称号（MOF）、排名（Chambers、Legal 500）、读者投票（“Best of”）。检测器用15个正例和10个反例验证，并在重读中修正了三次：法语“se distingue par”（以……见长）不是荣誉，“the best of both worlds”也不是，一条建议（“去找获过奖的律师”）也没有说到任何商家。

奖项出现在餐厅，几乎不出现在手艺行业

几乎全部集中在餐厅：452个段落中有74个提到荣誉，即六分之一，从英国的22.5%到巴西的11.1%。其次是法国面包店（102个段落中8个，其中有MOF）和酒店。在上门服务的行业，回答中几乎不存在荣誉。Gemini提到荣誉的频率是ChatGPT的4.4倍：其段落的2.3%对0.5%。

五分之二来自同一本指南

米其林占191次中的76次：五分之二。其他奖项（71次）混合了有名称的奖项（“James Beard Award winner”的主厨、“Forbes Five-Star”酒店）和光秃秃的“award-winning”，例如营销公司或美发店。许多目录网站出售的“Best of”榜单和读者投票，在16,022个段落中只出现了8次。

如果你就是那家商家，这意味着什么

荣誉进入AI回答，是当它来自模型早已认识的评审者时：一本指南、一个国家级称号、一个行业公认的排名。在有这种评审者的行业（餐厅、面包店、公司法务），获得它的评价是看得见的抓手，AI会点名提到。在没有这种评审者的行业，从目录网站买来的“Best of”徽章不太可能成为助手复述的内容；起作用的是其他证据，例如执照或清楚的价格（我们9月19日和29日两期）。如果你确实拥有一项真正的荣誉，就在自己的页面上把它写完整：谁颁发的、因为什么、哪一年。光写“获奖”两个字，顾客和模型都没有可以核实的东西。

这项测量不能证明什么

• 它统计的是说法，不是意图。在随机抽取的60个段落上重读，检测器对了57次；3个错误是两条一般性建议和一个比喻（“律师界的米其林指南”）。
• 按类型分类取最先出现的词：一个先写“award-winning”、后面才点名詹姆斯·比尔德奖的段落，被计入“其他奖项”。
• 来自记忆的回答，没有网页搜索，每个助手一个模型，每个国家一个日期（美国9月13日、英国7月31日、法国7月30日、巴西2026年8月6日）。我们没有核实被提到的荣誉是否准确、是否仍然有效：一颗失去的星可能还留在模型的记忆里。
• 它不能证明荣誉会带来推荐：它测量的是在AI已经推荐的商家中，AI以荣誉为理由的频率。没有观察任何顾客。