論文の概要: Auditing Source Exposure in Baidu and Google AI Search

• arxiv url: http://arxiv.org/abs/2609.24407v1
• Date: Mon, 21 Sep 2026 10:57:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 15:33:37.338275
• Title: Auditing Source Exposure in Baidu and Google AI Search
• Title（参考訳）: BaiduとGoogle AI検索におけるソース公開の監査
• Abstract要約: 我々は、MS MARCOとその翻訳中国語からサンプリングされた英語クエリを用いて、BaiduとGoogleのAI概要行動の言語間監査を行う。 分析では、ホストドメインが中国語のオーバービューで目に見える露出を受け取り、その露出がどの程度集中しているか、ソースの重複が設定によってどのように異なるか、といった、プラットフォーム言語設定全体にわたって概要がトリガーされるかどうかを調べた。
• 参考スコア（独自算出の注目度）: 5.722397579141706
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI-generated overviews are becoming an increasingly prominent layer of search interfaces, yet their behavior in Chinese-language search remains underexplored. We conduct a cross-lingual audit of AI overview behavior on Baidu and Google using English queries sampled from MS MARCO and their translated Chinese counterparts. Our analysis examines when overviews are triggered across platform-language settings, which host domains receive visible exposure in Chinese-language overviews, how concentrated that exposure is, and how source overlap varies across settings. We also compare the embedding-based semantic similarity of generated answers for matched query intents. The results reveal substantial differences across platform-language settings in overview availability and visible source exposure. At the aggregate level, the settings exhibit low overlap in visible host-domain inventories, while matched-query answers yield median cosine similarities ranging from 0.701 to 0.813. These findings indicate that answer-level semantic similarity and aggregate source exposure capture distinct dimensions of AI-mediated search. Evaluations of AI search should therefore consider not only the content of generated answers but also how source visibility is distributed across platforms, languages, and information environments.
• Abstract（参考訳）: AIが生成した概要は、検索インターフェイスの目立ったレイヤーになりつつあるが、中国語検索におけるそれらの振る舞いはいまだに解明されていない。 我々は、MS MARCOとその翻訳中国語からサンプリングされた英語クエリを用いて、BaiduとGoogleのAI概要行動の言語間監査を行う。 分析では、ホストドメインが中国語のオーバービューで目に見える露出を受け取り、その露出がどの程度集中しているか、ソースの重複が設定によってどのように異なるか、といった、プラットフォーム言語設定全体にわたって概要がトリガーされるかどうかを調べた。 また、一致したクエリインテントに対して生成された回答の埋め込みに基づくセマンティックな類似性を比較する。 その結果、プラットフォーム言語設定の可用性と可視的ソース露光における大きな違いが明らかになった。 集合レベルでは、目に見えるホストドメインの在庫の重複は低く、マッチしたクエリーの回答は0.701から0.813までのコサインの類似度が中央値となる。 これらの結果から,解答レベルの意味的類似性と集合的ソース露光がAIによる検索の異なる次元を捉えていることが示唆された。 したがって、AI検索の評価は、生成された回答の内容だけでなく、プラットフォーム、言語、情報環境にソースの可視性がどのように分散しているかも考慮すべきである。

関連論文リスト

• Cross-Prompt Generalization in Detecting AI-Generated Fake News Using Interpretable Linguistic Features [0.13999481573773068]
  本稿では,異なるプロンプトで生成されたAI生成記事の3つのデータセットを用いて,偽ニュース検出におけるクロスプロンプト一般化について検討する。 語彙の多様性,可読性,感情に基づく特徴を捉えた解釈可能な言語特徴を抽出する。 特徴分布の分析により、AI生成したテキストは語彙の多様性を高め、読みやすさを低下させ、全体のデータセットと比較して感情的な強度を大幅に低下させることが示された。
  論文  参考訳（メタデータ） (2026-06-02T20:33:56Z)
• Answer Bubbles: Information Exposure in AI-Mediated Search [14.377773240202849]
  バニラGPT,検索GPT,Google AI概要,従来のGoogle検索という,4つのシステムにわたる11,000のリアルタイム検索クエリに対する応答について検討する。 生成検索システムは,その引用に有意なテキストソース選択バイアスを示すことがわかった。
  論文  参考訳（メタデータ） (2026-03-17T05:41:39Z)
• VISTA-Bench: Do Vision-Language Models Really Understand Visualized Text as Well as Pure Text? [51.02924254085878]
  VLM(Vision-Language Models)は、テキスト入力と視覚入力のクロスモーダル理解において、優れたパフォーマンスを実現している。 VISTA-Benchは、マルチモーダル認識、推論、および非モーダル理解領域のベンチマークである。
  論文  参考訳（メタデータ） (2026-02-04T17:48:55Z)
• Misinformation Exposure in the Chinese Web: A Cross-System Evaluation of Search Engines, LLMs, and AI Overviews [5.655762029601206]
  大規模言語モデル (LLM) は検索サービスに統合され,直接的な回答が得られている。 しかし、非英語のWebエコシステムにおける実際の信頼性は、まだよく理解されていない。 実世界のオンライン検索ログから得られた12161中国語のYes/No質問のファクトチェックデータセットを紹介した。
  論文  参考訳（メタデータ） (2025-12-15T15:36:13Z)
• Towards Explainable Bilingual Multimodal Misinformation Detection and Localization [64.37162720126194]
  BiMiは、地域レベルのローカライゼーション、言語間および言語間整合性検出、誤情報解析のための自然言語説明を共同で行うフレームワークである。 BiMiBenchは、実際のニュース画像とサブタイトルを体系的に編集するベンチマークである。 BiMiは、分類精度が+8.9で、ローカライゼーション精度が+15.9で、BERTScoreを+2.5で上回る。
  論文  参考訳（メタデータ） (2025-06-28T15:43:06Z)
• 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)
• Dynamic Visual Semantic Sub-Embeddings and Fast Re-Ranking [0.5242869847419834]
  情報エントロピーを低減するために動的ビジュアルセマンティックサブエンベッドディングフレームワーク(DVSE)を提案する。 生成した候補埋め込みに様々な意味的変動を捉えるよう促すため,混合分布を構築した。 3つのベンチマークデータセット上の4つの画像特徴エンコーダと2つのテキスト特徴エンコーダを用いて,既存のセットベース手法と比較した。
  論文  参考訳（メタデータ） (2023-09-15T04:39:11Z)
• JourneyDB: A Benchmark for Generative Image Understanding [89.02046606392382]
  生成画像の領域に適合する包括的データセットであるJourneyDBを導入する。 精巧にキュレートされたデータセットは、400万の異なる高品質な画像で構成されています。 本データセットでは,生成した画像の理解性能を評価するための4つのベンチマークを考案した。
  論文  参考訳（メタデータ） (2023-07-03T02:39:08Z)
• Contextual information integration for stance detection via cross-attention [59.662413798388485]
  スタンス検出は、著者の目標に対する姿勢を特定することを扱う。 既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。 文脈情報をテキストとして統合する手法を提案する。
  論文  参考訳（メタデータ） (2022-11-03T15:04:29Z)
• Image-Specific Information Suppression and Implicit Local Alignment for Text-based Person Search [61.24539128142504]
  テキストベースの人物検索(TBPS)は,問合せテキストが与えられた画像ギャラリーから同一の身元で歩行者画像を検索することを目的とした課題である。 既存の手法の多くは、モダリティ間の微粒な対応をモデル化するために、明示的に生成された局所的な部分に依存している。 TBPSのためのマルチレベルアライメントネットワーク(MANet)を提案する。
  論文  参考訳（メタデータ） (2022-08-30T16:14:18Z)

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。