截至10月29日的公开信息，百度集团副总裁、百度研究院副院长吴甜已离职，百度公关经理在朋友圈确认消息属实；据悉她今年5月已不再担任基础模型研发部门负责人，后转任研究院副院长，接近百度的人士称文心模型下周将有新进展对外发布。对做AI搜索可见度监测的团队来说，模型团队的变动值得关注，因为它可能改变答案生成时的信源偏好。
人事变动与答案变化之间隔着什么
电商派10月29日的报道给出了三个时间点：今年5月吴甜不再担任基础模型研发部门负责人，随后转任百度研究院副院长，10月29日确认离职。报道同时提到基础模型方向的工作仍在持续推进，文心模型下周会有新进展。人事与产品之间不是即时传导，中间隔着版本迭代与评测流程。
对品牌来说，真正需要监测的不是谁离开，而是答案是否变化。模型换将会影响训练数据的取舍、检索增强的策略与安全边界的设定，这些变化最终体现在AI回答引用谁、如何描述一个品牌、在竞品对比里给出什么顺序。监测的落点应该是答案，而不是人事。
引用来源的稳定性怎么测
测引用来源的稳定性，最直接的办法是固定问题库、固定平台、按周抽样，记录同一问题下引用链接的域名分布。如果某一周媒体评测的引用占比明显上升、电商商品页的占比下降，就说明检索策略或信源权重发生了变化。这类变化往往先于官方公告出现，也是品牌最早能捕捉到的信号。
平台迭代期 品牌最容易丢的是描述准确性
模型迭代期，品牌在AI回答里的描述容易出现两类偏差：一类是旧信息未更新，例如已停产的产品仍被推荐；另一类是竞品对比的口径变化，例如参数被错误归类。两类偏差都不是舆情事件，却会直接影响转化。对品牌来说，这类偏差需要靠定期抽样发现，而不是等用户投诉。
监测的价值在这里体现得最清楚：它不是去猜测模型怎么工作，而是持续记录答案与事实的差距。差距一旦形成趋势，就可以反推是内容供给不足，还是平台信源结构变化。前者可以靠补充结构化内容解决，后者只能靠调整引用策略，两者的处理成本完全不同。
竞品占位在迭代期会重新洗牌
模型版本更替时，竞品占位往往会出现短暂的重排：原本稳定出现在前三位的品牌可能掉出候选集，新品牌则可能因为内容更新而进入。这个窗口对品牌是机会也是风险，机会在于低成本进入，风险在于已有的可见度会在无预警的情况下流失。监测频率如果低于版本迭代频率，就会错过窗口。
迭代期该盯的三个指标
在平台迭代期，建议盯三个指标：品牌提及率的变化幅度、引用来源的域名结构、以及竞品共现的组合变化。第一个指标看曝光是否稳定，第二个看信源是否被替换，第三个看对比格局是否重排。三个指标同时波动，说明平台侧发生了结构性调整，而不是随机噪声。
需要说明的是，报道没有披露吴甜离职的原因，也没有说明文心模型下周发布的具体内容。因此人事变动与答案变化之间的因果关系无法确认。监测能提供的是答案层面的证据，而不是对平台内部决策的解释，这一点在向管理层汇报时需要讲清楚。
| 指标 | 口径 | 迭代期关注点 |
|---|---|---|
| 品牌提及率 | 问题库中被提及占比 | 是否骤降 |
| 引用域名结构 | 各类信源占比 | 是否被替换 |
| 竞品共现 | 同时出现的品牌 | 是否重排 |
版本发布后怎么复核
如果文心模型下周确实发布新版本，复核可以按三步走：先在固定问题库上跑一轮抽样，与上一版结果对比；再检查引用来源的域名结构是否变化；最后核对品牌描述与事实是否一致。三步做完，才能判断这次迭代对可见度是加分还是减分，也才有依据决定要不要调整内容投入。
常见问题
模型团队变动会立刻改变AI回答吗？
不会。人事与产品之间隔着版本迭代与评测流程，答案层面的变化通常滞后数周到数月。监测应该盯答案而不是盯人事，用固定问题库按周抽样，观察引用来源与描述是否发生变化。
引用来源的稳定性怎么测？
固定问题库、固定平台、按周抽样，记录同一问题下引用链接的域名分布。如果某一周媒体评测的引用占比明显上升、电商商品页占比下降，就说明检索策略或信源权重发生了变化，这类变化往往先于官方公告。
迭代期品牌最容易丢的是什么？
描述准确性。旧信息未更新、已停产产品仍被推荐、竞品参数被错误归类，这些偏差不是舆情事件，却直接影响转化。它们需要靠定期抽样发现，而不是等用户投诉才处理。
