有。Aggarwal等学者在2023年发表了GEO实证研究（arXiv），系统分析了不同内容优化策略对AI搜索可见性的影响。该研究提出了GEO概念并验证了多种策略的有效性。博枢知耀的三原色框架在此研究基础上提出，具体策略参考相关论文。
READING ROOM
研究、方法与限制，都应能追溯。
这里记录外部研究来源、博枢知耀内部方法定义和仍需验证的假设。方法论落成文字，才能被检索、被引用、被验证。
外部研究来源
GEO实证研究与优化策略Aggarwal, P., et al. "GEO: Generative Engine Optimization." arXiv preprint, 2023. 该论文系统研究了生成式AI引擎中品牌信息的呈现机制与优化策略，是GEO领域的早期实证研究之一。博枢知耀三原色模型的三大方向参考了该论文提出的策略分类框架，但框架本身为博枢知耀原创提出。外部研究
内部方法记录
GEO三原色模型博枢知耀原创方法论框架，首次记录日期为2026-06-06。模型将企业AI搜索信息体系建设分解为信息红（实体识别）、内容绿（语义覆盖）和信任蓝（证据支撑）三个维度，三层同时推进，根据企业阶段调整权重。详见三原色模型页面。内部方法
品牌事实库建设方法博枢知耀内部工作流程，用于系统梳理企业名称、品牌简称、服务范围、联系方式、资质信息和公开记录。通过跨平台交叉比对，识别信息不一致的节点，并建立统一表述标准。内部方法
用户搜索意图问题库基于客户真实搜索场景构建的问题库，覆盖认知、比较、采购、执行和评估五类意图。每个问题关联目标用户、使用场景和预期回答要素。问题库是内容绿层面的核心输入。内部方法
待验证假设与过程记录
三原色评分体系博枢知耀自研评分工具，用于项目内部比较和策略辅助。评分维度包括实体一致性、语义覆盖完整度和证据来源丰富度。该体系目前尚未经过第三方独立验证，不等同于AI平台官方评价标准。待验证
六平台监测流程面向豆包、DeepSeek、Kimi、腾讯元宝、千问、文心一言六个平台的监测流程。每次监测记录：问题文本、平台名称、测试时间、原始回答全文、截图存档。人工分析阶段检查实体准确性、内容理解度、证据来源和品牌提及情况。通过阶段复测比较变化趋势，而非单次评分。过程记录
监测平台工具说明监测工具基于第三方开源方案改造，可辅助批量抓取部分平台的原始回答和截图。评分判断、页面异常处理和结果解释仍需人工完成，目前不承诺完全自动化闭环。过程记录