論文の概要: EcoGEO: Trajectory-Aware Evidence Ecosystems for Web-Enabled LLM Search Agents

• arxiv url: http://arxiv.org/abs/2605.12887v1
• Date: Wed, 13 May 2026 02:03:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.756022
• Title: EcoGEO: Trajectory-Aware Evidence Ecosystems for Web-Enabled LLM Search Agents
• Title（参考訳）: EcoGEO: Web 対応 LLM 検索エージェントのための軌道対応エビデンスエコシステム
• Authors: Hengwei Ye, Jiasheng Mao, Zhenhan Guan, Zheng Tian,
• Abstract要約: Web対応LLMエージェントは、オンライン情報が検索結果にどのように影響するかを変更している。 textbfEcosystem Generative Engine Optimization (textbfEcoGEO)によるこのシフトについて検討する。 本手法は,エージェント対応ナビゲーションエントリページと異種サポートページを協調する制御されたエビデンス環境を構築する。
• 参考スコア（独自算出の注目度）: 2.7103162987319593
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Web-enabled LLM agents are changing how online information influences search outcomes. \ Existing Generative Engine Optimization (GEO) studies mainly focus on individual webpages. \ However, agentic web search is not a single-document setting: an agent may issue queries, crawl pages, follow links, reformulate searches, and synthesize evidence across multiple browsing steps. \ Influence therefore depends not only on page content, but also on how pages are organized, connected, and encountered along the agent's browsing trajectory. \ We study this shift through \textbf{Ecosystem Generative Engine Optimization} (\textbf{EcoGEO}), which treats GEO as an environment-level influence problem for web-enabled LLM agents. \ To instantiate this perspective, we propose \textbf{TRACE}, a \textbf{Trajectory-Aware Coordinated Evidence Ecosystem}. \ Given a recommendation query and a fictional target product, our method builds a controlled evidence environment that coordinates an agent-facing navigation entry page with heterogeneous support pages. \ These pages use shared terminology, internal links, and consistent product attributes to introduce, verify, and reinforce the target product. We evaluate our method on OPR-Bench, a benchmark for open-ended product recommendation. \ Experiments show that it consistently outperforms page-level GEO baselines in final target recommendation. \ Trajectory-level metrics further show increased initial target-result crawls, target-specific follow-up searches, and internal-link crawls, suggesting that the gains come from shaping the agent's evidence-acquisition process rather than merely adding more target-related content. \ Overall, our findings support an ecosystem research paradigm for GEO, where web-enabled LLM agents are studied in relation to the broader evidence environments that guide search, browsing, and answer synthesis.
• Abstract（参考訳）: Web対応LLMエージェントは、オンライン情報が検索結果にどのように影響するかを変更している。 既存の生成エンジン最適化(GEO)の研究は主に個々のWebページに焦点を当てています。 エージェントはクエリを発行し、ページをクロールし、リンクをフォローし、検索を改定し、複数のブラウジングステップでエビデンスを合成する。 したがって、インフルエンサーは、ページの内容だけでなく、ページの整理、接続、そしてエージェントのブラウジングの軌跡に沿って遭遇する方法にも依存する。 本稿では,GEO を Web 対応 LLM エージェントの環境レベル影響問題として扱う \textbf{Ecosystem Generative Engine Optimization} (\textbf{EcoGEO}) を通じて,このシフトを研究する。 この観点をインスタンス化するために、我々は \textbf{TRACE}, a \textbf{Trajectory-Aware Coordinated Evidence Ecosystem}を提案する。 提案手法は,推薦クエリと架空のターゲット商品を付与し,エージェント対応ナビゲーションエントリページと異種サポートページを協調する制御されたエビデンス環境を構築する。 これらのページは、共通用語、内部リンク、一貫性のある製品属性を使用して、対象の製品を紹介し、検証し、強化します。 我々は,オープンエンド製品レコメンデーションのベンチマークであるOPR-Benchについて評価を行った。 \ Experimentsは、ページレベルのGEOベースラインを最終ターゲットレコメンデーションで一貫して上回っていることを示している。 トラジェクトリレベルのメトリクスはさらに、ターゲット関連コンテンツを増やすのではなく、エージェントのエビデンス獲得プロセスを形作ることから得られる、最初のターゲット要求クロール、ターゲット固有のフォローアップ検索、内部リンククロールの増加を示している。 総じて,本研究は,検索,ブラウジング,および回答合成を導く広範囲なエビデンス環境に関連して,Web対応LLMエージェントの研究を行うGEOのエコシステム研究パラダイムを支持する。

関連論文リスト

• Rethinking Deep Research from the Perspective of Web Content Distribution Matching [86.90255285277256]
  WeDasは,検索空間の構造的特徴をエージェントの観察空間に組み込んだWebコンテンツ配信アウェアフレームワークである。 本稿では,Query-Result Alignment Scoreを反復的に推定する数ショットの探索機構を提案する。 プラグイン・アンド・プレイモジュールとして、WeDasは4つのベンチマークのサブゴール補完と精度を一貫して改善している。
  論文  参考訳（メタデータ） (2026-03-07T14:51:17Z)
• SAGEO Arena: A Realistic Environment for Evaluating Search-Augmented Generative Engine Optimization [11.467565046589414]
  Search-Augmented Generative Engines (SAGE) が情報アクセスの新しいパラダイムとして登場した。 現在、SAGEOの総合的な調査を支援する評価環境はない。 ステージレベルのSAGEO分析のための現実的で再現可能な環境であるSAGEO Arenaを紹介する。
  論文  参考訳（メタデータ） (2026-02-12T17:18:00Z)
• Paper2Web: Let's Make Your Paper Alive! [51.75896846964824]
  学術Webページ生成を評価するためのベンチマークデータセットとフレームワークであるPaper2Webを紹介する。 PWAgentは、科学論文をインタラクティブでマルチメディアに富んだ学術ホームページに変換する自律パイプラインである。
  論文  参考訳（メタデータ） (2025-10-17T17:35:58Z)
• WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research [73.58638285105971]
  本稿では,AIエージェントが膨大なWebスケール情報を洞察に富むレポートに合成しなければならない複雑な課題であるtextbfopen-ended Deep Research (OEDR) に取り組む。 人間の研究プロセスをエミュレートする新しいデュアルエージェントフレームワークである textbfWebWeaver を紹介する。 私たちのフレームワークは、DeepResearch Bench、DeepConsult、DeepResearchGymなど、主要なOEDRベンチマークにまたがる最先端の新たなベンチマークを確立しています。
  論文  参考訳（メタデータ） (2025-09-16T17:57:21Z)
• InfoDeepSeek: Benchmarking Agentic Information Seeking for Retrieval-Augmented Generation [63.55258191625131]
  InfoDeepSeekは、現実世界の動的Web環境でエージェント情報を求めるための新しいベンチマークである。 本稿では,決定性,難易度,多様性の基準を満たす課題クエリを構築するための体系的手法を提案する。 本研究では,情報探索結果の正確性,有用性,コンパクト性に関する詳細な指標を含む,動的エージェント情報探索に適した最初の評価フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-05-21T14:44:40Z)
• GEO: Generative Engine Optimization [50.45232692363787]
  我々は、生成エンジン(GE)の統一的な枠組みを定式化する。 GEは大規模な言語モデル(LLM)を使用して情報を収集し、ユーザクエリに応答する。 生成エンジンは通常、複数のソースから情報を合成し、それらを要約することでクエリを満足する。 我々は、生成エンジン応答におけるコンテンツの可視性向上を支援するために、コンテンツ作成者を支援する最初の新しいパラダイムである生成エンジン最適化(GEO)を紹介する。
  論文  参考訳（メタデータ） (2023-11-16T10:06:09Z)

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。