論文の概要: From Public Posts to AI-Search Citations: Measuring the Fragility of AI Search

• arxiv url: http://arxiv.org/abs/2610.11932v1
• Date: Thu, 08 Oct 2026 13:26:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.042208
• Title: From Public Posts to AI-Search Citations: Measuring the Fragility of AI Search
• Title（参考訳）: 公開投稿からAI検索 Citations:AI検索の脆弱性の測定
• Abstract要約: AI検索プラットフォームは、Web情報の共通のゲートウェイになりつつある。 プラットフォームが、新規ユーザーが投稿を簡単に発行できるドメインを何度も引用すると、それらのドメインの通常の公開は、AI検索の引用や回答テキストへの間接的なパスになる可能性がある。 本稿では,この低障壁パブリッシングパスの同定と測定を行うためのフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 23.875078061788553
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As more users ask AI systems for information, AI-search platforms are becoming a common gateway to web information. Unlike traditional search, which maps keywords to ranked pages, AI search retrieves pages, filters sources, selects citations, and generates answers before users see sources. This selection layer may amplify source bias and turn source choice into a security question. If a platform repeatedly cites domains where new users can publish posts easily, ordinary publication on those domains can become an indirect path into AI-search citations and answer text. Measuring this path is hard: platforms reveal little about citation selection, citations change over time, and the web contains so much background content that later answer changes are hard to attribute to our posts. We present a measurement framework for identifying and measuring this low-barrier publication path, combining cross-platform citation mapping, publication-barrier testing, and marker-controlled publication experiments. Across 10 AI-search platforms, we analyze 17,211 citation instances over 6,356 unique source domains and find: (1) citations concentrate in platform-specific sources, with top-20 domains capturing 20.5--70.8% of per-platform citations, and 15 of 22 tested publication platforms tied to cited source domains had low or medium barriers for both account setup and posting; (2) in our experiments, ordinary publication on preferred platforms changed what entered AI-search outputs: 8 of 10 platforms cited a fabricated concept within seven days, and one high-preference-platform article had greater citation impact than over 20 matched low-preference posts; and (3) this path is commercially available: a $14 GEO purchase produced 13 public posts, and one AI-search platform cited GEO-posted content with our designed markers within one hour.
• Abstract（参考訳）: より多くのユーザーがAIシステムに情報を求めるにつれ、AI検索プラットフォームはWeb情報の共通のゲートウェイになりつつある。 キーワードをランク付けされたページにマップする従来の検索とは異なり、AI検索はページを検索し、ソースをフィルタリングし、引用を選択し、ユーザーがソースを見る前に回答を生成する。 この選択層はソースバイアスを増幅し、ソースの選択をセキュリティ問題に変換する。 プラットフォームが、新規ユーザーが投稿を簡単に発行できるドメインを何度も引用すると、それらのドメインの通常の公開は、AI検索の引用や回答テキストへの間接的なパスになる可能性がある。 プラットフォームは引用の選択についてはほとんど明らかにせず、引用は時間とともに変化する。 本稿では,この低障壁パブリッシングパスの同定と測定を行うためのフレームワークについて,クロスプラットフォームの引用マッピング,パブリッシュバリアテスト,マーカー制御パブリッシング実験を組み合わせる。 10のAI検索プラットフォーム全体で分析し,6,356のユニークなソースドメイン上の17,211の引用インスタンスを分析した。 1) プラットフォーム固有のソースに集約された引用 – プラットフォーム毎の引用の20.5～70.8%をキャプチャするトップ20ドメインと,引用されたソースドメインに関連付けられた22の公開プラットフォームのうち15は,アカウントの設定とポストの両方に対して,低あるいは中程度の障壁を持つ。

関連論文リスト

• Sources of Truth: A Multi-Platform, Multilingual Audit of Citations in AI Mental Health Information Queries [0.93058777168429]
  1,140の応答と1,713のユニークなドメインで15,942の励起を記録しました。 最も暗唱された10のドメインは43.6%のイングランドの引用であった。 プラットフォームは典型的な引用量ではほとんど異なりませんでしたが、一貫性と、彼らが好んだソースタイプは著しく異なりました。
  論文  参考訳（メタデータ） (2026-08-31T20:09:28Z)
• From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms [0.1223474232275842]
  本稿では,ジェネレーティブエンジン最適化(GEO)のための2段階計測フレームワークを提案する。 我々は、ChatGPT、Google AI Overview/Gemini、Perplexityにまたがる602のプロンプトをカバーする公開ジオ引用-ラブデータセットを分析した。 PerplexityとGoogleは平均的なソースを引用するが、ChatGPTは少ないソースを引用する。
  論文  参考訳（メタデータ） (2026-04-28T14:34:20Z)
• 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)
• DeepTRACE: Auditing Deep Research AI Systems for Tracking Reliability Across Citations and Evidence [50.97612134791782]
  生成検索エンジンと深層研究のLLMエージェントは、信頼できるソース・グラウンドの合成を約束するが、ユーザーは常に過剰な自信、弱いソーシング、紛らわしい引用の慣行に遭遇する。 DeepTRACEは、社会技術的に基礎をおく新しい監査フレームワークで、コミュニティが特定した失敗事例を、回答テキスト、情報源、引用にまたがる8つの測定可能な次元に変換する。
  論文  参考訳（メタデータ） (2025-09-02T00:32:38Z)
• News Source Citing Patterns in AI Search Systems [6.976269683687743]
  我々は,AI検索システムを対象としたヘッド・ツー・ヘッド評価プラットフォームであるAI Search Arenaのデータを分析した。 データセットは、OpenAI、Perplexity、Googleの3大プロバイダにわたるモデルから24,000以上の会話と65,000のレスポンスで構成されている。 異なる提供者によるモデルは、異なるニュースソースを引用する一方で、引用行動における共有パターンを示す。
  論文  参考訳（メタデータ） (2025-07-07T02:17:57Z)
• 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)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。 我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
  論文  参考訳（メタデータ） (2024-01-24T20:05:49Z)
• Context-Based Quotation Recommendation [60.93257124507105]
  本稿では,新しい文脈対応引用レコメンデーションシステムを提案する。 これは、所定のソース文書から引用可能な段落とトークンの列挙リストを生成する。 音声テキストと関連するニュース記事の収集実験を行う。
  論文  参考訳（メタデータ） (2020-05-17T17:49:53Z)

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。