国内 AI 引用偏好数据集

国内 AI 引用偏好数据集当前标记为 2.0.1 版，发布于 2026 年 7 月 14 日。数据包包含 214,119 条原始引用记录、64 个 JSONL 分片、620 个研究问题、12 个平台或终端代码、9,878 个规范化来源与 107,659 个页面，并保留 24,274 条完全重复观察以维持原始总体口径。

仓库同时提供 JSONL、Parquet、DuckDB、数据字典、质量报告和交互式可视化报告，适合用来比较平台信源偏好、官网来源渗透、引用集中度、问题属性和内容形态。稳定记录标识与校验文件也便于团队做分批下载、复现分析和版本间对比。

完整数据约 409 MB，原始分片约 267 MB，使用前应先确认本地存储、内存和分析工具。第三方页面信息受原站点权利与使用条款约束，平台代码也只代表该采集体系中的观察对象。发表结论时应注明版本、采样日期、去重规则、缺失值和许可范围。