3月23日，大眾點評發布《2025年評價透明度報告》。報告顯示，大眾點評升級了評價審核流程，首次引入AI智能體輔助人工，全年共處置了2557.2萬條違規評價，還有1161萬條與AIGC生成內容有關，高強度邀評促評的商戶數量下降了42%。
從表面看，這是一次常規治理。但其中首次披露的AIGC生成的違規評價說明，AI時代，本地生活的評價體系正在面臨新的變量。
畢竟，本地生活服務的核心是解決用戶去哪消費、能不能消費的決策痛點，評價體系則是承載用戶信任、支撐決策的核心載體。
過去，評價的價值更多來自真實體驗的積累，但在AI可以快速生成內容的情況下，信息本身不再稀缺，反而是哪些內容是真人寫的，哪些內容對應真實體驗變得更難判斷。
一旦評論區中充斥大量結構相似、細節模糊甚至脫離實際的內容，評價作為決策依據的有效性就會被削弱，進而影響用戶消費決策。
在這樣的背景下，大眾點評對于AIGC評價的治理態度，以及AI智能體的首次引入，更接近一次底層能力的修正。它試圖解決的，是用戶在評價內容與消費現實之間的落差。
一、本地生活AI審核的核心是“校驗現實”
AI時代之下，大眾點評在25年做了一次調整。
這一調整的核心，是引入AI智能體輔助人工審核，并將原有流程升級為多層結構：從黑產攔截、AI初篩，到人工復核、專家終審，再到爭議處置，形成一套“AI+人工”的協同機制。
在這套體系中，AI的作用首先體現在效率上。面對每天海量生成的評價內容，AI可以完成第一輪快速篩查，對明顯異常的文本、行為進行標記，大幅降低人工審核的壓力。報告顯示，99.9%的新增評價能夠在提交后的次日完成最終研判。
但更關鍵的變化，并不在效率，而在審核依據。在判斷方式上。不同于理解語義的通用型AI智能體，大眾點評的評價審核AI智能體，理解平臺上千萬商家的線下真實信息。
這極大程度的規避了AI幻覺問題。
他跟普通的AI大模型有什么區別？舉個例子，此前315晚會報道中曾提到一款純虛構的商品，只要十余篇軟文，花費幾十元，就可以將虛假產品信息成功“投喂”給AI大模型，并在幾天內獲得推薦，甚至名列前茅。
即便這款產品從來就是子虛烏有。
然而，大眾點評的AI，關聯的是物理世界真實存在的信息，而非互聯網上真假參半的信息。
其校驗依賴一套被稱為“物理世界信息”的數據底座。平臺AI在審核評價時，可以同時調取商戶菜單、交易記錄、地理位置、用戶行為等多維信息，對評論中的關鍵要素進行逐一比對。
例如，有人在評論里寫這家店的烤串很好吃，大眾點評系統會去查這家店的菜單。如果這是一家火鍋店，根本沒有烤串，這條評論就會被標記出來。
類似的核對還有很多。比如用戶是否真的到過這家店，可以通過團購核銷或訂單記錄判斷；評論發布時的位置，可以和商戶位置對比；上傳的照片，會和商家的菜品、環境信息做匹配。
這樣一來，消費者就不會遇到類似“打開一家評分很高的店，有人夸一道菜很好吃，你翻菜單卻找不到的情況”。
二、保護AI時代“真人感”，全年治理AIGC評價1161萬
如果說前面解決的是本地生活中的核心問題核驗事實，那AIGC治理解決的是另一個問題，如何判斷這些評價，是不是人寫的。
這在AI時代顯得尤為重要，因為“真人感”成了最稀缺的東西。
一條評價即便內容看起來合理，但如果是AI批量生成的，就會缺乏真實體驗的細節，表達趨同，甚至只是把公開信息重新拼接了一遍。這類內容一旦規?；霈F，會迅速稀釋評論區的可參考價值。
正如大眾點評公信力負責人所說：“點評的用戶可能只發了20個字一張圖，但這20個字是他真正打出來的，對你的價值可能高于無限多個低成本，只是刺激多巴胺的、沒有人味的AI創作內容，所以大眾點評將持續努力做好真人感評論區的建設。
大眾點評的《2025評價透明度報告》中，也提到了對于AI生成評價的逐層判斷能力。
平臺內部AIGC的識別邏輯，大致圍繞三個維度展開。
先看文本本身。AI生成內容往往有明顯特征，比如結構高度統一、形容詞密集、缺少具體細節，或者呈現出“面面俱到但沒有重點”的表達。這類內容在模型側可以被快速篩出。
再看行為模式。比如短時間內連續發布多條評價、賬號歷史內容高度同質、不同商戶下出現類似結構的文本，這些行為都會被標記為異常。
最后才進入最關鍵的一步：運用AI智能體和人工審核力量，和現實做交叉驗證。平臺會把評價中的關鍵信息，拿去和商戶的菜單、品類、交易記錄、地理位置等數據逐項比對。如果文本描述和真實信息存在偏差，即便文風再自然，也會被識別出來。
對于明顯脫離現實的內容，會直接屏蔽；對于存在疑點但不完全虛假的評價，可能采取折疊或降權處理；而那些基于真實體驗、只是借助AI潤色的內容，則仍然可以被保留。
這或許是當下對于AIGC評價較為合適的處置態度。也就是說，平臺并沒有把AI當作敵人，而是試圖劃清一條邊界：哪些內容仍然屬于真實表達，哪些已經變成信息噪音。
三、用真實數據來驗證信息
值得注意的是，以上AI智能體來校驗物理世界現實的方式能成立，有一個前提，平臺手里必須有足夠多線下商家準確真實的數據，而這恰恰需要本地生活平臺耗費大量資源維護。
事實是，這已經成為了大眾點評守護AI時代稀缺的真實的底氣和護城河。
要核查一條評論，你得知道這家店的菜單、營業情況、空間結構，還要有真實的消費記錄。否則，所謂對照現實就無從談起。
資料顯示，這些信息，并不是一次性建立起來的。地推團隊在補充基礎數據，騎手在提供位置和履約信息，團購和到店業務在沉淀消費記錄，用戶上傳的圖片和評價也在不斷補充細節。平臺再把這些數據整理、校驗，慢慢形成一張可以被調用的現實信息網絡。
有了這張網，審核才有抓手。
這件事還在形成一個循環。數據越準確，審核就越容易；審核越有效，評價就越可信；用戶更愿意留下真實內容，數據本身也會繼續變多。
也正因為這樣，這種能力很難一下子復制出來，它更像是一種長期積累。
同樣是商戶數據庫，如果缺乏長期投入，很難做到覆蓋和準確。一旦信息出現偏差或滯后，用戶“踩坑”的概率就會上升，AI模型基于這些數據生成的結果，也會進一步放大誤差。
在這一基礎上，平臺逐步形成一種自我強化的結構：數據越準確，審核越有效，評價越可信，用戶參與度隨之提升，反過來又進一步豐富數據。
結語
在本地生活場景中，信息的價值并不在于數量，而在于是否能夠被信任。評價之所以重要，是因為它承載著用戶對真實體驗的判斷，一旦這種對應關系被削弱，平臺所提供的決策能力也會隨之下降。
當評價能夠持續對齊現實，用戶獲得的是更穩定的決策預期，而平臺則在此基礎上鞏固自身的信任基礎。從這個角度看，大眾點評的調整并不只是一次審核體系的升級，更像是在強化一項長期能力。在不斷變化的線下世界中，持續提供可被驗證的信息。
在內容越來越容易生產的階段，這種能力反而變得更加重要。
