論文の概要: GEO-Flag: Detecting and Measuring GEO-Optimized Web Content
- arxiv url: http://arxiv.org/abs/2608.16824v2
- Date: Thu, 20 Aug 2026 19:46:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:31.706451
- Title: GEO-Flag: Detecting and Measuring GEO-Optimized Web Content
- Title（参考訳）: GEO-Flag:GEO最適化Webコンテンツの検出と測定
- Abstract要約: ジェネレーティブエンジン最適化(GEO)は、ジェネレーティブ検索エンジンによって選択され、引用される可能性を高めるために、Webコンテンツを変更する。
これにより、戦略的に最適化されたページが、その権威や関連性に不釣り合いに見え、弱い情報や偽の情報も十分にサポートされているように見える。
これらの懸念にもかかわらず、GEOに最適化されたWebページを検出する体系的手法はいまだ検討されていない。
- 参考スコア（独自算出の注目度）: 21.05216177234399
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative Engine Optimization (GEO) modifies web content to increase its likelihood of being selected and cited by generative search engines. This can give strategically optimized pages visibility disproportionate to their authority or relevance and even make weak or false information appear well supported. Unlike conventional search, generative search synthesizes information into direct answers rather than presenting competing sources, which can further amplify these risks, as assessing source provenance and authority requires additional user interaction. Despite these concerns, systematic methods for detecting GEO-optimized webpages remain underexplored. We introduce \texttt{GEOFlagBench}, a benchmark of 3,200 web content instances spanning 400 queries, four domains, and eight GEO optimizer families, and use it to systematically evaluate existing GEO detection methods. Although the strongest baseline achieves an aggregate F1 of 0.880, method-level and authorship-conditioned evaluations reveal substantial weaknesses and potential reliance on authorship-related shortcuts. We therefore propose \emph{Intervention-Paired Training} (IPT), which supervises detector responses to GEO interventions and non-GEO AI polishing; on ModernBERT, IPT improves F1 from 0.862 to 0.944 and worst-group accuracy from 0.725 to 0.883. We develop a GEO-gated Agent system for auditing the Source Tier and verifiability of Citation URLs in detected GEO pages. Finally, we deploy the complete pipeline on released Google Search and Gemini-grounded retrieval results for 1,000 real-user queries. Across 10,095 available pages, we estimate an overall GEO prevalence of 8.90\%, reaching 16.36\% among pages modified in 2026. Our results establish a foundation for systematically detecting, auditing, and measuring GEO in real-world search ecosystems.
- Abstract（参考訳）: ジェネレーティブエンジン最適化(GEO)は、ジェネレーティブ検索エンジンによって選択され、引用される可能性を高めるために、Webコンテンツを変更する。
これにより、戦略的に最適化されたページが、その権威や関連性に不釣り合いに見え、弱い情報や偽の情報も十分にサポートされているように見える。
従来の検索とは異なり、生成検索は、競合するソースを提示するのではなく、直接的な回答に情報を合成する。
これらの懸念にもかかわらず、GEOに最適化されたWebページを検出する体系的手法はいまだ検討されていない。
我々は,400のクエリ,4つのドメイン,8つのGEOオプティマイザファミリーにまたがる3,200のWebコンテンツインスタンスのベンチマークである‘texttt{GEOFlagBench} を紹介し,既存のGEO検出手法を体系的に評価する。
最強のベースラインは0.880の集合F1を達成するが、メソッドレベルおよびオーサシップ条件による評価は、オーサシップ関連のショートカットにかなりの弱点と潜在的な依存を示す。
そこで,本研究では,GEO介入や非GEOAI研磨に対する検出応答を監視できる 'emph{Intervention-Paired Training} (IPT) を提案する。
我々は,検出されたGEOページ中のCitation URLのソースタイアと妥当性を監査するGEO-gated Agentシステムを開発した。
最後に、リリース済みのGoogle SearchとGeminiの検索結果にパイプラインを配置し、1000のリアルタイムクエリを検索します。
10,095ページにわたって、GEO全体の有効率は8.90 %と見積もられ、2026年に修正されたページのうち16.36 %に達した。
本研究は,現実世界の検索エコシステムにおけるGEOの系統的検出,監査,測定のための基盤を構築した。
関連論文リスト
- Counter-GEO-Bench: Evaluating Defenses Against Information-Distorting Generative Engine Optimization [48.93628521719709]
生成エンジン最適化(GEO)により、コンテンツ制作者は生成検索エンジンにおけるWebページの可視性を高めることができる。
同じ手法は、敵が通常のGEO最適化文書を公開する際に、ターゲットとなる偽情報を提供することができる。
我々は,情報保存と情報歪曲GEO書き換えを合わせて,247個の人間認証された高品質なクエリをペアリングする防衛ベンチマークであるCounter-GEO-Benchを提案する。
論文 参考訳（メタデータ） (2026-09-02T09:01:51Z) - Breadcrumbing Search Agents [118.20284823674382]
LLMベースの検索エージェントは情報検索タスクに広く利用されているが、外部ツールへの依存度は重大なセキュリティリスクをもたらす。
検索およびページ観察を行うチャネルは脆弱なセキュリティ境界であることを示す。
制約付きツール仲介脅威モデルの下では、クエリ毎に1つのコントロールされた結果のみを追加することで、攻撃の成功を大幅に増加させることができる。
論文 参考訳（メタデータ） (2026-08-05T07:57:27Z) - GEO-Bench: Benchmarking Ranking Manipulation in Generative Engine Optimization [9.762893142689357]
本稿では,GEOランキング操作攻撃を1つのプロトコルで評価するベンチマークであるGEO-Benchを提案する。
ブラックボックスのプロンプトベースの攻撃(TAP、ゼロショット)、ホワイトボックスのグラデーションベースの攻撃(STS、RAF、StealthRank)、ホワイトハットのC-SEO戦略を統一する。
固定されたオープンウェイトローダに対して、5つのデータセットですべてのメソッドをスコアします。
論文 参考訳（メタデータ） (2026-05-27T21:10:43Z) - EcoGEO: Trajectory-Aware Evidence Ecosystems for Web-Enabled LLM Search Agents [2.7103162987319593]
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。
論文 参考訳（メタデータ） (2026-05-13T02:03:18Z) - 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) - GEO-Bench-2: From Performance to Capability, Rethinking Evaluation in Geospatial AI [52.13138825802668]
GeoFMは地球観測を変革しているが、評価には標準化されたプロトコルが欠けている。
GEO-Bench-2は、分類、セグメンテーション、回帰、オブジェクト検出、インスタンスセグメンテーションにまたがる包括的なフレームワークでこの問題に対処する。
GEO-Bench-2のコード、データ、およびリーダーボードは、パーミッシブライセンスの下で公開されている。
論文 参考訳（メタデータ） (2025-11-19T17:45:02Z) - AI Answer Engine Citation Behavior An Empirical Analysis of the GEO16 Framework [0.0]
GEO-16はページ品質の信号をバンド化されたピラースコアに変換するフレームワークであり、正規化されたGEOスコアGは0から1の範囲である。
3つのエンジンで1,702の引用を収集し、1,100のURLを監査しました。
我々のコーパスでは、エンジンは、それらが引用したページのGEO品質に違いがあり、MetadataとFreshness、Semantic HTML、Structured Dataに関連する柱は、引用と最も強い関連性を示した。
論文 参考訳（メタデータ） (2025-09-13T00:29:32Z) - Retrieval-Augmented Generation for Reliable Interpretation of Radio Regulations [49.671779378073886]
無線規制分野における質問応答について検討する。
本稿では,通信事業者固有のレトリーバル拡張生成(RAG)パイプラインを提案する。
当社のアプローチは,テスト対象モデル全体の生成精度を一貫して向上させる。
論文 参考訳（メタデータ） (2025-09-11T17:43:42Z) - GeoGPT-RAG Technical Report [48.23789135946953]
GeoGPTは、地球科学の研究を進めるために開発されたオープンな大規模言語モデルシステムである。
RAGは、外部知識ソースから取得した関連情報を出力する。
RAGは、地質学的コンテンツ用にキュレーションされた特殊なコーパスであるGeoGPT Libraryから、RAGを使用して描画する。
論文 参考訳（メタデータ） (2025-08-18T08:29:22Z) - Beyond SEO: A Transformer-Based Approach for Reinventing Web Content Optimisation [0.0]
生成エンジン最適化(GEO)のためのドメイン固有の微調整手法を提案する。
提案手法は,1,905個のWebサイトコンテンツペアからなる合成学習データに基づいて,BARTベースのトランスフォーマーを微調整する。
最適化されたコンテンツは、生成的検索応答において顕著な可視性の向上を示し、15.63%の絶対的な単語数の改善、30.96%の位置調整された単語数メトリクスの改善がある。
論文 参考訳（メタデータ） (2025-07-03T20:52:10Z) - The BrowserGym Ecosystem for Web Agent Research [151.90034093362343]
BrowserGymエコシステムは、Webエージェントの効率的な評価とベンチマークの必要性の高まりに対処する。
本稿では,Webエージェント研究のためのBrowserGymベースの拡張エコシステムを提案する。
大規模なマルチベンチマークWebエージェント実験を初めて実施し、6つのWebエージェントベンチマークで6つの最先端LCMの性能を比較した。
論文 参考訳（メタデータ） (2024-12-06T23:43:59Z) - 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。