論文の概要: Characterizing Adversarial GEO via Implicit Brand Injection

• arxiv url: http://arxiv.org/abs/2611.04005v1
• Date: Mon, 02 Nov 2026 21:49:18 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:55:39.239212
• Title: Characterizing Adversarial GEO via Implicit Brand Injection
• Title（参考訳）: インプシット・ブランド・インジェクションによる敵対的GEOのキャラクタリゼーション
• Abstract要約: 本稿では,記事に事前定義されたブランドを付加する逆生成エンジン最適化(GEO)について,文脈統合された単一の言及を通じて検討する。 課題は、内容が過度に宣伝されることなく、内容が検索できるほど関連性を持ち、生成した回答に影響を与えることなく、周囲の項目に適合させることである。 挿入箇所を特定し、選択した文を書き換え、編集を確認し、最終候補を選択するマルチエージェントフレームワークであるImplicit Brand Injection (IBI)を紹介する。
• 参考スコア（独自算出の注目度）: 22.892082370249863
• License:
• Abstract: Generative search engines increasingly shape how users discover products, services, and commercial entities by generating answers from retrieved web content. This creates an opportunity to influence which brands appear in these answers by modifying the content available to the retrieval system. In this work, we study an adversarial generative engine optimization (GEO) setting in which a predefined brand is added to an article through a single contextually integrated mention. The challenge is to make the mention fit the surrounding article without making the content overtly promotional, while keeping it relevant enough to be retrieved and to influence the generated answer. To study this, we introduce Implicit Brand Injection (IBI), a multi-agent framework that identifies insertion locations, rewrites the selected sentence, verifies the edit, and selects the final candidate. To evaluate IBI at scale, we construct IBIBench, which contains 1,000 web articles and 60 synthetic brands across 12 diverse domains, with both endemic and non-endemic brand placements. We compare IBI with Direct Prompting and Best-of-N with ranking under an equivalent budget, evaluating insertion quality, target-chunk retrieval, and downstream brand propagation. Compared with the baselines, IBI produces insertions that better preserve semantics and disrupt perplexity less, while improving Hit@k across all evaluated cutoffs, query regimes, and placement settings. IBI achieves up to 82.2% Hit@10 and 0.74 MRR@10, while Brand Mention Rate (BMR) and Conditional Propagation (CP) reach up to 62.7% and 75.9%, respectively. These results show that a single brand mention can increase both retrieval exposure and brand visibility in generated responses, highlighting the need for defenses against implicit content manipulation in generative search.
• Abstract（参考訳）: 生成検索エンジンは、検索したWebコンテンツから回答を生成することで、ユーザーが製品、サービス、商業エンティティを発見する方法を形成するようになっている。 これにより、検索システムで利用可能なコンテンツを変更することで、これらの回答にどのブランドが現れるかに影響を与える機会が生まれる。 本研究では,1つのコンテキスト統合された言及を通じて,事前定義されたブランドを記事に追加する,逆生成エンジン最適化(GEO)の設定について検討する。 課題は、コンテンツが過剰にプロモーションされることなく、参照を周辺記事に適合させると同時に、検索できるほど関連性を保持し、生成した回答に影響を与えることだ。 そこで本研究では,挿入箇所を識別し,選択した文を書き換え,編集を検証し,最終候補を選択するマルチエージェントフレームワークであるImplicit Brand Injection (IBI)を紹介する。 IBIを大規模に評価するために,12のドメインにまたがる1,000のWeb記事と60の合成ブランドを含むIBIBenchを構築した。 IBIとDirect PromptingとBest-of-Nを同等の予算で比較し、挿入品質、ターゲットチャンク検索、下流ブランドの伝播を評価した。 ベースラインと比較すると、BIはセマンティクスをよりよく保存し、パープレキシティを少なくするインサートを生成すると同時に、評価されたすべてのカットオフ、クエリレシフィケーション、配置設定のHit@kを改善している。 IBI は 82.2% の Hit@10 と 0.74 MRR@10 を達成し、BMR (Brand Mention Rate) と CP (Conditional Propagation) はそれぞれ 62.7% と 75.9% に達する。 これらの結果から,検索における暗黙的なコンテンツ操作に対する防御の必要性が強調され,検索の露出とブランドの可視性の両方が向上することが示唆された。

関連論文リスト

• SMART: LLM-Augmented Hybrid Retrieval for Dynamic Product Ads [19.0160146232638]
  動的製品広告(DPA)は、数百万の製品カタログから関連するアイテムを取得する必要がある。 LLMは、従来の埋め込みモデルよりもセマンティックな意図を捉え、それらを大規模に展開することで、禁忌なコストと語彙的ミスマッチの問題をもたらす。 SMART(Semantic-aware Adaptive ReTrieval)を用いてコスト管理を行う。
  論文  参考訳（メタデータ） (2026-07-25T09:41:21Z)
• LERA: LLM-Enhanced RAG for Ad Auction in Generative Chatbots [38.35931897144688]
  大規模な言語モデル(LLM)ベースのチャットボットのための2段階の検索列生成オークションフレームワークであるLERAを提案する。 最初の段階では、埋め込みベースの粗いフィルタリングが少数の候補広告主を事前選択する。 第2段階では、LSM自体が慎重に設計されたプロンプトでクエリされ、候補に対するロジットが生成され、洗練された有機レバレンススコアとして機能する。
  論文  参考訳（メタデータ） (2026-05-15T15:39:30Z)
• Beyond Relevance: On the Relationship Between Retrieval and RAG Information Coverage [89.58253972744531]
  Retrieval-augmented Generation (RAG) システムは、文書検索と生成モデルを組み合わせて、レポート生成のような複雑な情報を求める課題に対処する。 我々は,上流の検索指標が,最終生成応答の情報カバレッジの信頼性の高い早期指標として機能するかどうかを検討する。 本研究は,トピックとシステムレベルの両方で生成した応答におけるカバレッジベース検索指標とナゲットカバレッジとの間に強い相関関係を示した。
  論文  参考訳（メタデータ） (2026-03-09T18:20:20Z)
• GEM-Bench: A Benchmark for Ad-Injected Response Generation within Generative Engine Marketing [19.604674396120405]
  我々はGene Engine Marketing (GEM) におけるアドインジェクター応答生成のための最初の総合的なベンチマークである GEM-Bench を提案する。 予備的な結果は、単純なプロンプトベースの手法はクリックスルー率などの合理的なエンゲージメントを達成するが、ユーザの満足度を低下させることが多いことを示唆している。 これらの知見は, GEMにおける広告インジェクション応答を生成するための, より効率的かつ効率的なソリューションの設計に関する今後の研究の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-09-17T17:53:43Z)
• Multi-objective Aligned Bidword Generation Model for E-commerce Search Advertising [16.8420671443003]
  検索システムは、ユーザクエリを最も関連性の高い広告とマッチングするという課題に対処する。 識別器,ジェネレータ,選好アライメントモジュールで構成される多目的整列バイドワード生成モデル(MoBGM)を提案する。 提案アルゴリズムは,オフラインおよびオンライン実験において,技術の現状を著しく上回っている。
  論文  参考訳（メタデータ） (2025-06-04T10:57:18Z)
• Oracle Bone Inscriptions Multi-modal Dataset [58.20314888996118]
  オラクルの骨碑文(Oracle bone inscriptions, OBI)は中国最古の書記体系であり、初期の上海の歴史や古史の貴重な実例を記している。 本稿では,10,077個のオラクル骨の注釈情報を含むOracle Bone Inscriptions Multi-modalデータセットを提案する。 このデータセットは、OBIの文字検出と認識、ラビングDenoising、キャラクタマッチング、キャラクタ生成、読み込みシーケンス予測、ミスキャラクタ補完タスクなど、OBIの分野に関連するさまざまなAI関連研究タスクに使用することができる。
  論文  参考訳（メタデータ） (2024-07-04T12:47:32Z)
• Entity Disambiguation via Fusion Entity Decoding [68.77265315142296]
  より詳細なエンティティ記述を持つエンティティを曖昧にするためのエンコーダ・デコーダモデルを提案する。 GERBILベンチマークでは、EntQAと比較して、エンド・ツー・エンドのエンティティリンクが+1.5%改善されている。
  論文  参考訳（メタデータ） (2024-04-02T04:27:54Z)
• Enriching Relation Extraction with OpenIE [70.52564277675056]
  関係抽出(RE)は情報抽出(IE)のサブ分野である 本稿では,オープン情報抽出(OpenIE)の最近の取り組みがREの課題の改善にどのように役立つかを検討する。 本稿では,2つの注釈付きコーパスであるKnowledgeNetとFewRelを用いた実験により,拡張モデルの精度向上を実証した。
  論文  参考訳（メタデータ） (2022-12-19T11:26:23Z)

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。