論文の概要: GroundedGEO: Auditing the Evidence Gap in Generative Search Rankings
- arxiv url: http://arxiv.org/abs/2609.25189v1
- Date: Mon, 21 Sep 2026 17:07:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:04.052848
- Title: GroundedGEO: Auditing the Evidence Gap in Generative Search Rankings
- Title（参考訳）: GroundedGEO: ジェネレーティブ検索ランキングにおけるエビデンスギャップの検証
- Abstract要約: ジェネレーティブ検索システムは、製品とサービスを連続的な決定のためにランク付けする。
テキストのみのランク付けと防御は、作り出された細部から正直な詳細な内容を切り離すことはできない。
その結果,有望な変種では,清潔な候補よりも有意な正規化ランクが得られた。
- 参考スコア（独自算出の注目度）: 4.058849693424635
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative search systems rank products and services for consequential decisions, and publishers can cheaply make candidate text look relevant. Yet evidence status is not a text property but a claim-evidence relation: text-only rankers and defenses cannot separate honest detailed content from fabricated detail, creating an identifiability gap. We audit this gap with an evidence-paired benchmark (50 e-commerce queries, 1,950 cases) and a claim-level reranker, GroundedGEO, that penalizes query-relevant claims lacking support in a supplied packet. Matched rich variants control format and volume; packet twins add attestations at fixed text, while thinned packets withdraw them. On the frozen listwise ranker Qwen2.5-7B, unsupported-rich variants show significant normalized rank gain over clean candidates (+0.065 to +0.092 across claim profiles, Holm-corrected), while supported and neutral controls do not; the effect is model-dependent (marginal on MiMo-v2.5, absent on GLM-5.3-Flash). On a frozen pointwise scorer, oracle evidence labels cut the unsupported-rich top-3 rate from 0.65 to 0.43 (laundering from 0.61 to 0.39) at lambda=40 with zero false suppression; packet twins restore the original rates without changing text. Against a 370-claim human gold, all tested automatic judges fail the preregistered reliability gate, although the best local judge retains 79-100% of oracle suppression with zero measured false suppression on protected arms. Separately, stripping attestation coverage increases false suppression by 0.307. These diagnostic effects identify two limits on the evidence channel: label quality and packet coverage. They do not validate an automatic defense, and interpretation of the adverse human-gold arm remains pending adjudication.
- Abstract（参考訳）: 生成的検索システムは、製品やサービスを連続的な判断のためにランク付けし、パブリッシャーは安価に候補テキストを関連付けることができる。
しかし、エビデンス・ステータスはテキスト・プロパティではなく、クレーム・エビデンス・リレーション(クレーム・エビデンス・リレーション)の関係である。
このギャップを、エビデンス対応のベンチマーク(50のeコマースクエリ、1,950のケース)と、供給パケットがサポートされていないクエリ関連クレームをペナルティ化するクレームレベルのリランカであるGroundedGEOで評価する。
一致したリッチな変種はフォーマットとボリュームを制御し、パケットツインは固定テキストで証明を追加し、薄いパケットはそれらを取り出す。
凍結されたリストワイドランクのQwen2.5-7Bでは、サポートされた中性制御は行わないが、クリーンな候補よりも有意な正規化ランク(+0.065から+0.092、請求プロファイル全体ではホルム補正)が得られ、モデルに依存している(MiMo-v2.5、GLM-5.3-Flashにはない)。
フリーズされたポイントワイドスコアラでは、オラクルのエビデンスラベルは、サポート対象の豊富なトップ3レートをラムダ=40で0.65から0.43に減らし、偽の抑制はゼロとなり、パケット双子はテキストを変更することなく元のレートを復元した。
370人の金に対して、全ての試験された自動審査員は、事前登録された信頼性ゲートに失敗するが、最も優れた地方判事は、保護された武器に対して測定された偽の抑制をゼロにして、オラクルの抑制を79-100%保持している。
別として、ストリップ検査のカバレッジは0.307の偽の抑制を増大させる。
これらの診断効果は、エビデンスチャンネルのラベル品質とパケットカバレッジの2つの限界を識別する。
彼らは自動的な防御を検証せず、悪質な人間の金腕の解釈は不服として保留されている。
関連論文リスト
- EviScope: Paired Counterfactual Evidence Diagnostics for Faithful and Efficient Grounded Language Models [0.0]
接地された言語モデルシステムは、しばしば最終回答の正確さによって評価されるが、正しい答えは、間違った情報源から引き出されたり、証拠が不十分であったり、矛盾しているときに生成される。
EviScopeはペア化された反ファクトのベンチマークで、その証拠の追加、削除、注意をそらす、あるいは矛盾しながら疑問を定めている。
論文 参考訳（メタデータ） (2026-09-15T12:18:19Z) - Decision Shifts, Lost Label Functionality, and an Inconclusive Grounding Audit in Correctness-Gated Multi-Teacher Distillation [0.0]
決定の正しさと根拠は異なる目的である。
固定実験において, 高精度多教師蒸留法について検討した。
未ろ過蒸留と比較して, 正度重み付きアームの精度は+0.1660。
論文 参考訳（メタデータ） (2026-09-09T04:39:56Z) - Watermarks Without Verification: AI Text Watermarking After the EU AI Act [49.51124343181601]
EU AI法第50条では、生成可能なAIプロバイダに対して、システムが生成したコンテンツをマークし、AI生成として検出することを要求している。
Anthropicは、その日後にリリースされたすべてのClaudeモデルが、すべての生成されたテキストにSynthID-Textに基づく透かしを埋め込んでいることを公表した。
我々は、現在、異議や保証は確認できないし、この不信は、それ自体を透かしではなく、実質的なガバナンスの失敗であると論じている。
論文 参考訳（メタデータ） (2026-09-09T01:56:17Z) - Evidence-Ledger Adjudication for Claim-Evidence Traceability [0.45743735246920414]
本稿では,エビデンス・レジャーの判断,すなわちクレーム・エビデンス・トレーサビリティ・ワークフローについて検討する。
それぞれのクレームとエビデンスパケットをペアにし、サポート関係を割り当てる。
その結果,エビデンスリーダの判断は,異質なエビデンスパケットをAI支援書込みのための監査可能なトレーサビリティ層にすることができることがわかった。
論文 参考訳（メタデータ） (2026-07-29T06:22:53Z) - Looping Is Not Reliability: State-Bound Evidence and Typed Revision Contracts for Agentic Code Repair [36.56438114281786]
正しいパッチの発見と保持、検証、提出のギャップについて検討する。
我々はエビデンスバウンド型ループ契約を導出し、その機械的に強制可能なサブセットを参照実装でインスタンス化する。
論文 参考訳（メタデータ） (2026-07-27T16:05:23Z) - Auditing Provenance Sensitivity in LLM Agent Action Selection [0.0]
LLMエージェントは、ユーザリクエスト、ツール出力、検索されたレコード、メモリ、信頼できないテキストを混ぜたコンテキストからツールと引数を選択する。
本稿では,各ツールと引数ターゲットに対して,コンテキスト要素を別々にラベル付けするターゲット固有の認証監査を導入する。
次に、有効な証拠が弱まった場合の挙動を検証し、二次的な局所化診断としてコンテキスト-サブセット相互作用を用いる。
論文 参考訳（メタデータ） (2026-07-23T01:28:18Z) - Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - Catching One in Five: LLM-as-Judge Blind Spots in Production Multi-Turn Transaction Agents [45.148328075418156]
デプロイされた多ターン食品・飲料注文エージェントについて検討し,実際の品質問題の数を測定した。
私たちの盲点分類は、失敗はランダムではなく構造化されていることを示している。
プロダクションマルチターンエージェントでは、自動判断はリグレッションフロアであり、人間のレビューの代わりにはならない。
論文 参考訳（メタデータ） (2026-06-09T02:11:01Z) - CoEval: Ranking Language Models for Custom Tasks Without Labeled Data or Trustworthy Benchmarks [47.027290803102666]
アンサンブル自己評価を通じて信頼性の高いタスク固有信号を提供するオープンフレームワークであるCoEvalを提案する。
モデルのプールは教師、学生、裁判官の3つの役割すべてを通して回転し、新鮮な汚染のないベンチマークを生成する。
論文 参考訳（メタデータ） (2026-06-02T13:41:43Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - SURE-RAG: Sufficiency and Uncertainty-Aware Evidence Verification for Selective Retrieval-Augmented Generation [6.604874054866016]
本稿では,証拠満足度がセットレベル特性であることを示す,透過的なアグリゲーションプロトコルSURE-RAGを提案する。
共有ペアレベルのクレームエビデンス検証器は、SURE-RAGが集約した局所的関係分布を解釈可能な応答レベル信号に生成する。
制御されたマルチホップベンチマークであるHotpotQA-RAG v3をアーティファクト・アウェア・プロトコルで評価した。
論文 参考訳（メタデータ） (2026-05-05T09:05:40Z)
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。