論文の概要: Navigating the Shift: A Comparative Analysis of Web Search and Generative AI Response Generation

• arxiv url: http://arxiv.org/abs/2601.16858v1
• Date: Fri, 23 Jan 2026 16:06:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-26 14:27:27.756666
• Title: Navigating the Shift: A Comparative Analysis of Web Search and Generative AI Response Generation
• Title（参考訳）: シフトをナビゲートする: Web検索と生成AI応答生成の比較分析
• Authors: Mahe Chen, Xiaoxuan Wang, Kaiwen Chen, Nick Koudas,
• Abstract要約: 生成的AIが主要な情報源として台頭したことは、従来のWeb検索からパラダイムシフトを示している。 本稿では,Google検索で返される結果と生成AIサービスの主要なサービスとの根本的な違いを定量化する大規模な実証的研究を提案する。
• 参考スコア（独自算出の注目度）: 13.959899706228176
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rise of generative AI as a primary information source presents a paradigm shift from traditional web search. This paper presents a large-scale empirical study quantifying the fundamental differences between the results returned by Google Search and leading generative AI services. We analyze multiple dimensions, demonstrating that AI-generated answers and web search results diverge significantly in their consulted source domains, the typology of these domains (e.g., earned media vs. owned, social), query intent and the freshness of the information provided. We then investigate the role of LLM pre-training as a key factor shaping these differences, analyzing how this intrinsic knowledge base interacts with and influences real-time web search when enabled. Our findings reveal the distinct mechanics of these two information ecosystems, leading to critical observations on the emergent field of Answer Engine Optimization (AEO) and its contrast with traditional Search Engine Optimization (SEO).
• Abstract（参考訳）: 生成的AIが主要な情報源として台頭したことは、従来のWeb検索からパラダイムシフトを示している。 本稿では,Google検索で返される結果と生成AIサービスの主要なサービスとの根本的な違いを定量化する大規模な実証的研究を提案する。 我々は、AIが生成する回答とWeb検索結果が、コンサルタントされたソースドメイン、これらのドメインの類型(例えば、メディアの所有とソーシャル)、クエリインテント、提供された情報の鮮度で大きく異なることを実証して、複数の次元を分析した。 次に、これらの違いを形作る重要な要因として、LLM事前学習の役割について検討し、この本質的な知識ベースがどのように相互作用し、有効であればリアルタイムWeb検索に影響を与えるかを分析した。 その結果,これら2つの情報生態系の特異なメカニズムが明らかとなり,従来の検索エンジン最適化(SEO)と対照的に,解答エンジン最適化(AEO)の創発的分野に対する批判的な観察につながった。

関連論文リスト

• WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents [72.28593628378991]
  WebResearcherは、マルコフ決定プロセスとしてディープリサーチを再構築する反復的なディープリサーチパラダイムである。 WebResearcherは最先端のパフォーマンスを実現し、フロンティアのプロプライエタリシステムを超えています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:17Z)
• Generative Engine Optimization: How to Dominate AI Search [13.959899706228176]
  ChatGPT、Perplexity、GeminiといったAIによる生成検索エンジンは、情報検索を再構築している。 本稿では,AI検索と従来のWeb検索(Google)を包括的に分析する。 私たちの重要な発見は、AI検索がブランドやソーシャルコンテンツに対して、アーンドメディア(第三者、権威ソース)に対して、体系的で圧倒的な偏見を示しています。
  論文  参考訳（メタデータ） (2025-09-10T18:29:18Z)
• From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
  推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。 静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。 我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
  論文  参考訳（メタデータ） (2025-06-23T17:27:19Z)
• An In-depth Survey of Large Language Model-based Artificial Intelligence Agents [11.774961923192478]
  LLMベースのAIエージェントと従来のAIエージェントの主な違いと特徴について検討した。 我々は、計画、記憶、ツール使用を含むAIエージェントの重要なコンポーネントについて、詳細な分析を行った。
  論文  参考訳（メタデータ） (2023-09-23T11:25:45Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。