論文の概要: VoteGEO-Bench: Measuring the Impact of Generative Engine Optimization on Electoral Visibility

• arxiv url: http://arxiv.org/abs/2610.21330v1
• Date: Thu, 15 Oct 2026 06:18:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.214767
• Title: VoteGEO-Bench: Measuring the Impact of Generative Engine Optimization on Electoral Visibility
• Title（参考訳）: VoteGEO-Bench: 生成エンジン最適化の電気的可視性への影響の測定
• Abstract要約: 生成エンジンの最適化は、Webコンテンツを書き換えて、生成されたレスポンスの可視性を改善する。 本稿では,2024年のアメリカ合衆国大統領選挙と2026年の日本下院選挙を対象とするベンチマークであるVoteGEO-Benchを紹介する。 我々は,目標仕様,エンジン・選挙間の有効性,投票者ペルソナの役割など,4つのカテゴリで11の書き直し戦略を評価した。
• 参考スコア（独自算出の注目度）: 23.542855023875447
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly used for election information, yet little is known about how external web content shapes the political information they present. Generative engine optimization (GEO) rewrites web content to improve its visibility in generated responses. To investigate its potential risks in voting scenarios (VoteGEO), we introduce VoteGEO-Bench, a benchmark covering the 2024 U.S. presidential election and the 2026 Japanese House of Representatives election, combining election-related queries, historical webpages, and voter personas. We first analyze sources cited by generative engines and find that many citations come from lower-cost owned and open-platform sources, while some webpages remain visible across days. We then evaluate 11 rewriting strategies in 4 categories, examining target specification, effectiveness across engines and elections, and the role of voter personas. Rewriting without specifying a target rarely increases target exposure, whereas target-specified rewriting more often does. Strategies that improve page organization or strengthen a position through argumentation yield greater gains than adding supporting evidence or changing wording. For the two strongest strategies, gains remain broadly positive across evaluated U.S. personas, but persona conditioning shows no consistent effect on these gains. Explicit partisan identities can create baseline exposure gaps larger than the gain from rewriting one webpage. When partisanship is implicit in the voter profile, baseline shifts depend on how strongly the engine responds to that signal.
• Abstract（参考訳）: 選挙情報には大規模言語モデル(LLM)がますます使われてきているが、外部ウェブコンテンツがどのように政治情報を形作るかについてはほとんど分かっていない。 生成エンジン最適化(GEO)は、Webコンテンツを書き換えて、生成されたレスポンスの可視性を改善する。 投票シナリオ(VoteGEO)の潜在的なリスクを検討するため,2024年のアメリカ合衆国大統領選挙と2026年の衆議院選挙を対象とし,選挙関連クエリ,歴史的なWebページ,投票者ペルソナを組み合わせたベンチマークであるVoteGEO-Benchを紹介した。 まず、生成エンジンが引用したソースを分析し、多くの引用が低コストで、オープンソースのソースから来ているのに対して、一部のWebページは数日にわたって見えています。 次に,11の改定戦略を4つのカテゴリで評価し,目標仕様,エンジン・選挙間の有効性,投票者ペルソナの役割について検討した。 ターゲットを指定せずに書き直すことは、ターゲットの露出を増加させることは滅多にないが、ターゲットが特定した書き直しは、より頻繁に行われる。 ページの組織を改善したり、議論を通じて立場を強化したりする戦略は、証拠を裏付けたり、言葉を変えるよりも大きな利益をもたらす。 2つの最強の戦略では、評価された米国のペルソナの間で利得は広く肯定的であるが、ペルソナ条件付けはこれらの利得に一貫した影響を示さない。 露骨なパルチザンのアイデンティティは、一つのWebページを書き直すことで得られる利益よりも大きなベースライン露出ギャップを生み出すことができる。 投票者プロファイルでパルチザンが暗黙的である場合、ベースラインシフトはエンジンがその信号にどれだけ強く反応するかに依存する。

関連論文リスト

• Learning Resilient Elections with Adversarial GNNs [7.860518501342454]
  学習した投票ルールの表現能力を一般化し、ニューラルネットワークアーキテクチャの改善と敵対的トレーニングを組み合わせることで、投票ルールのレジリエンスを向上させる。 合成と実世界の両方のデータセットに対して,本手法の有効性を評価する。
  論文  参考訳（メタデータ） (2026-01-04T20:12:14Z)
• Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
  ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。 われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。 提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
  論文  参考訳（メタデータ） (2025-10-16T20:30:20Z)
• From Keywords to Clusters: AI-Driven Analysis of YouTube Comments to Reveal Election Issue Salience in 2024 [1.521610318673192]
  移民と民主主義は、分析されたYouTubeビデオのユーザーコメントの中で最も頻繁に、一貫して解決された問題だった。 これらの結果は、選挙後の調査の結果を裏付けるだけでなく、選挙問題としてのインフレの重要性を否定するものである。
  論文  参考訳（メタデータ） (2025-10-09T06:02:10Z)
• The Role of Follow Networks and Twitter's Content Recommender on Partisan Skew and Rumor Exposure during the 2022 U.S. Midterm Election [38.85381861935736]
  われわれは自動アカウントを使って、2022年の中間選挙でTwitterのアルゴリズムがキュレートされ、時系列が逆になったことを記録している。 その結果,アルゴリズムのタイムラインは,選挙内容や党派スキュー,低品質情報や選挙噂の頻度に大きく影響していることがわかった。
  論文  参考訳（メタデータ） (2025-09-11T19:58:19Z)
• Towards More Accurate US Presidential Election via Multi-step Reasoning with Large Language Models [12.582222782098587]
  選挙予測は、限られた有権者レベルのデータ、急速に変化する政治情勢、複雑な人間の振る舞いをモデル化する必要性など、ユニークな課題を生んでいる。 政治分析のための多段階推論フレームワークを提案する。 われわれのアプローチは、2016年と2020年のアメリカ大統領選挙研究(ANES)の実際のデータに基づいて検証されている。
  論文  参考訳（メタデータ） (2024-10-21T06:18:53Z)
• Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
  本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
  論文  参考訳（メタデータ） (2024-07-16T05:52:26Z)
• The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
  私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。 ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
  論文  参考訳（メタデータ） (2023-04-19T18:32:49Z)
• Political audience diversity and news reliability in algorithmic ranking [54.23273310155137]
  本稿では,ウェブサイトのオーディエンスの政治的多様性を質の指標として活用することを提案する。 ドメインの専門家によるニュースソースの信頼性評価と6,890人の米国市民の多様なサンプルによるWebブラウジングデータを用いて、より極端な、政治的に多様性の低いWebサイトが、ジャーナリストの基準を低くしていることを示す。
  論文  参考訳（メタデータ） (2020-07-16T02:13:55Z)

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。