從美國選戰到台北辯論AI 眼中的候選人，
從何而來？

01 · 來源影響力

AI 的來源榜單，和網路熱度有落差

三波資料中，ChatGPT 全部引用的 26.2% 來自中央社，引用次數恰為第二名 TVBS 的四倍。Gemini 的媒體榜首則是聯合新聞網，占全部引用的 7.5%，與後面幾家媒體的差距較接近。

兩模型的媒體前十名，只有四家共同入榜，各自的榜首則連續三波不變。同一場選戰，兩個 AI 經常取用的材料，已經有不同的來源。

新聞量與引用量，排出不同順序

把這份榜單放回網路環境看，落差更鮮明。KEYPO 依原始媒體歸屬整理的新聞量排名中，中央社在辯論前、後都列第 13，卻是 ChatGPT 三波的第一大引用來源。同一家媒體，在新聞量與 AI 答案裡，占有不同的位置。

社群也有類似現象。辯論當日，Threads 占 KEYPO 觀測主文的 36.2%，是最大來源平台；但三波 AI 來源清冊裡，未見直接 Threads 網址。討論最熱烈的地方，未必會以直接連結的形式出現在 AI 答案中。

這讓媒體影響力多了一個值得觀察的面向：除了報導有多少、觸及多廣，還可以追蹤哪些內容被 AI 反覆引用，成為讀者認識人物與議題的材料。

人物介紹與研究資料，也能站上榜首

引用名單裡也有新聞之外的角色。排除媒體及新聞平台後，臺北市政府在兩模型都居首，分別占 ChatGPT 全部引用的 12.3%、Gemini 的 5.8%。官網、百科與論壇，都是這份資料拼圖的一部分。

看具體頁面更容易理解。在詢問蔣萬安的 ChatGPT 回答中，最常引用的是 QSearch 的社群與民調分析，出現在 10.7% 的回答；詢問沈伯洋時，則以立法院個人介紹居首，出現在 21.5% 的回答。兩個榜首都不是新聞報導。

Gemini 的候選人相關頁面榜，則呈現另一種組合：蔣萬安相關頁面以《天下》的辯論分析居首，沈伯洋相關頁面則是中文維基百科。事件解讀與長期累積的人物資料，同時出現在 AI 的引用中。

因此，這份榜單的價值，也在於把問題往下追一層：AI 引用某家媒體時，讀的是人物專訪、政策說明，還是爭議報導？同樣一次引用，提供的認識角度可能很不同。

02 · 人物判斷

讀了哪些資料，還要看問的是什麼能力

來源讓我們看見 AI 取用了哪些材料；要理解它怎麼判斷人選，還得把問題一起讀。同樣是蔣萬安與沈伯洋，問「誰適合當市長」，和問「誰比較會溝通」，得到的評價並不相同。

在市長適任題中，ChatGPT 部分回答會因重視行政經驗、治理延續而偏向蔣萬安；換成直接答題、面對追問等溝通能力，辯論前則有 80% 的回答較肯定沈伯洋。這些評價各有條件，也各自指向不同的能力。

辯論後，溝通題更多轉向「各有所長」：雙向比較在首波占 53%，追蹤波升至 60%。有的回答肯定沈的即時反應，也肯定蔣說明政策脈絡的表現，對兩人的描述語氣也逐漸拉近。

Gemini 在這兩題、三波都採雙向比較。讀者若想理解 AI 的判斷，值得多看一步：它所說的「適合」，是重視哪一種能力？它肯定一個人時，附帶了什麼條件？

03 · 資訊採用

新資訊進來後，哪些議題留在答案裡？

比較標準不同，評價會有差異；沿著時間往後看，答案裡談論的事情也在變。來源榜單之外，我們接著固定問「兩人最主要在爭論什麼」，觀察辯論期間的議題是否出現在回答中。

KEYPO 記錄了兒虐、食安與市政會議等辯論攻防。對照 Gemini，兒虐議題的提及率從辯論前 7%，升至辯論後首波 87%，追蹤波仍為 87%。原本常被提到的「抄襲」相關爭議，則從 73% 降至後兩波的 0%。

新舊議題的消長，讓答案的重點重新排列。食安與午餐議題在 Gemini 回答中明顯增加，後續仍維持高提及；ChatGPT 則在辯論前就已經常談到這些議題，兩模型有不同的起點。

從同期觀察看，部分辯論議題進入了 AI 回答，並延續到下一波。要看懂這種變化，除了記錄網路上哪些話題升溫，也要追蹤它們在答案裡如何被描述，以及下一次詢問時是否仍被提起。