大模型「认得项目，未必认得你」：NameRank 量化 LLM 的参数化认知

结论先行

一个前沿模型在任何检索之前、仅凭权重记得关于某个人或工具的什么，往往决定了人们看到的第一句描述。NameRank 把这件事变成可测量的问题。

怎么测

• 对 4,685 个实体、54 个群组，用一个开放式问题在 36 个模型上探测。
• 独立评审给出二元判定：模型是否说出了关于该实体具体、不可瞎猜的事实？——幻觉、上下文回声、猜测都得零分。
• 合成的空实体把「地板」钉在接近 0。

一个核心发现

认知只付给「有名有据的产物」，不付给头衔或资历。

• 各类奥运级荣誉都低于一个「在职研究者」基线——因为奖章不附带可命名的产物。
• 但在顶级层会反转：诺贝尔、图灵、菲尔兹得主几乎「刷满」。
• 对独立创作者，工具比作者本人更被认得；能传播的资历是「有名的方法或获奖论文」。

对做个人/机构 GEO（生成式引擎优化）、想被 AI 搜索引用的团队，这篇给出一个清晰指引：产出有名有据、可索引的产物。