Fugu-MT 論文翻訳(概要): Don't Measure Once: Measuring Visibility in AI Search (GEO)

論文の概要: Don't Measure Once: Measuring Visibility in AI Search (GEO)

arxiv url: http://arxiv.org/abs/2604.07585v1
Date: Wed, 08 Apr 2026 20:38:05 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-10 18:34:05.555944
Title: Don't Measure Once: Measuring Visibility in AI Search (GEO)
Title（参考訳）: AI検索における可視性の測定(GEO)
Authors: Julius Schulte, Malte Bleeker, Philipp Kaufmann,
Abstract要約: 古典的な検索エンジンでは、単一のクエリは、ページやブランドが競合相手に対してどのように見えるかを代表するスナップショットを提供する。 AI検索の本質的な確率論的性質は、このパラダイムを変化させる。この結果から,ブランドのGEO性能を評価するために,繰り返し測定を行う必要性が示唆された。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As large language model-based chat systems become increasingly widely used, generative engine optimization (GEO) has emerged as an important problem for information access and retrieval. In classical search engines, results are comparatively transparent and stable: a single query often provides a representative snapshot of where a page or brand appears relative to competitors. The inherent probabilistic nature of AI search changes this paradigm. Answers can vary across runs, prompts, and time, making one-off observations unreliable. Drawing on empirical studies, our findings underscore the need for repeated measurements to assess a brand's GEO performance and to characterize visibility as a distribution rather than a single-point outcome.
Abstract（参考訳）: 大規模言語モデルに基づくチャットシステムがますます普及するにつれて、生成エンジン最適化(GEO)が情報アクセスと検索の重要な問題となっている。古典的な検索エンジンでは、検索結果は比較的透明で安定している。単一のクエリは、しばしば、ページやブランドが競合相手に対してどのように見えるかを表すスナップショットを提供する。 AI検索の本質的な確率論的性質は、このパラダイムを変化させる。回答はラン、プロンプト、時間によって異なり、一対一の観察は信頼できない。本研究は,経験的研究に基づいて,ブランドのGEO性能を評価し,視認性を単一点結果ではなく分布として特徴付けるために,繰り返し測定を行うことの必要性を強調した。

関連論文リスト

Algorithmic Trust and Compliance: Benchmarking Brand Notability for UK iGaming Entities in Generative Search Engines [0.0]
私たちは、伝統的なランク付けされたリストから、合成された引用支援の回答へとシフトしているのを目撃しています。英国のiGamingセクターのような高度に規制された環境では、視認性はキーワード密度によって規定されるのではなく、エンティティが"Algorithmic Trust"を投影する能力によって規定される。最近の大規模な実験では、AI検索がブランドが所有するコンテンツに対して、アーンドメディア(第三者、権威のあるソース)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） (2026-03-05T09:17:12Z)
Evaluating the Search Agent in a Parallel World [28.24678964635285]
並列世界における検索エージェント評価フレームワークであるMind-ParaWorldを紹介する。パラワールド・ロー・モデル(ParaWorld Law Model)は、不可分なアトミック・ファクトの集合と、各質問に対する独特な基礎構造を構築する。評価中、現実世界の結果を取得する代わりに、エージェントはパラワールドモデルと対話する。 MPW-Benchは19のドメインと1,608のインスタンスにまたがる対話型ベンチマークです。
論文参考訳（メタデータ） (2026-03-05T02:56:42Z)
DeepImageSearch: Benchmarking Multimodal Agents for Context-Aware Image Retrieval in Visual Histories [52.57197752244638]
本稿では,画像検索を自律探索タスクとして再構成する新しいエージェントパラダイムであるDeepImageSearchを紹介する。モデルは、暗黙の文脈的手がかりに基づいてターゲットを特定するために、生の視覚履歴に対して多段階の推論を計画し実行しなければならない。 DisBenchは、相互接続された視覚データ上に構築された、挑戦的なベンチマークである。
論文参考訳（メタデータ） (2026-02-11T12:51:10Z)
Pixel-Grounded Retrieval for Knowledgeable Large Multimodal Models [58.46663983451155]
PixSearchは、地域レベルの認識と検索強化推論を統合する、エンドツーエンドのLMM(Large Multimodal Model)である。エンコーディング中、PixSearchは検索をトリガーする検索>トークンを出力し、クエリのモダリティ(テキスト、画像、リージョン)を選択し、ビジュアルクエリとして直接機能するピクセルレベルのマスクを生成する。エゴセントリックでエンティティ中心のVQAベンチマークでは、PixSearchは事実整合性と一般化を大幅に改善する。
論文参考訳（メタデータ） (2026-01-27T00:46:08Z)
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)
Developing Visual Augmented Q&A System using Scalable Vision Embedding Retrieval & Late Interaction Re-ranker [0.0]
本稿では,視覚検索プロセスのスケーラビリティと効率を向上するための実用的アプローチを,性能品質を損なうことなく検討する。本稿では,広く採用されているハイブリッド検索(メタメタと埋め込み)と,遅延インタラクションリランカの状態を利用して,最適なマッチングページを検索する多段階カスタム実装を提案する。
論文参考訳（メタデータ） (2025-07-16T16:27:05Z)
MMSearch-R1: Incentivizing LMMs to Search [49.889749277236376]
MMSearch-R1は,実世界のインターネット環境において,オンデマンドでマルチターン検索が可能な,初のエンドツーエンド強化学習フレームワークである。本フレームワークは画像検索とテキスト検索の両方を統合し,検索ペナルティによる結果に基づく報酬によって,モデルがいつ,どのように呼び出すかの判断を可能にする。
論文参考訳（メタデータ） (2025-06-25T17:59:42Z)
Search Arena: Analyzing Search-Augmented LLMs [61.28673331156436]
クラウドソーシングで大規模で,24,000以上のペア化されたマルチターンユーザインタラクションの人為的なデータセットであるSearch Arenaを紹介した。データセットはさまざまな意図や言語にまたがっており、人間の好みの投票数約12,000の完全なシステムトレースが含まれている。分析の結果,引用されたコンテンツが属性付クレームを直接サポートしていない場合でも,ユーザの嗜好は引用数に影響されていることが明らかとなった。
論文参考訳（メタデータ） (2025-06-05T17:59:26Z)
CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
論文参考訳（メタデータ） (2024-06-25T12:47:04Z)
Detection of Interacting Variables for Generalized Linear Models via Neural Networks [0.0]
本稿では,一般化線形モデル(GLM)に付加されるべき相互作用を見つけるプロセスを自動化するアプローチを提案する。提案手法はニューラルネットワークとモデル固有の相互作用検出法に依存しており,Friedman H-StatisticやSHAP値といった従来の手法よりも高速に計算することができる。数値解析では,人工的に生成したデータとオープンソースデータに対するアプローチの結果について述べる。
論文参考訳（メタデータ） (2022-09-16T16:16:45Z)
Exposing Query Identification for Search Transparency [69.06545074617685]
本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
論文参考訳（メタデータ） (2021-10-14T20:19:27Z)

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。