{
 "title": "LLMO・GEO の研究論文と民間調査",
 "url": "https://gaaaon.jp/llmo-papers",
 "publisher": "株式会社ガーオン",
 "language": "ja",
 "updated": "2026-11-19",
 "note": "要約は、ガーオンが生成AIを使って作成しました。日本語の題名は仮の訳です。正確な内容は、各論文の原文（arXiv）で確認してください。",
 "keyFindings": [
  {
   "question": "ウェブページをどう作ると、生成AIの回答に出典として引用されやすくなるのか",
   "answer": "調べた3つの生成AIが多く引用したのは、タイトルと本文の段落が利用者の質問の内容と合っているウェブページでした。FAQ の欄、構造化データ、要約の欄、表示速度は、同じウェブサイトのページ同士で比べると、引用された回数に差がありませんでした。",
   "conditions": "ChatGPT・Gemini・Perplexity の回答 158,099件（90日間、2つの市場）を分析",
   "arxivUrl": "https://arxiv.org/abs/2610.15033",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.15033"
  },
  {
   "question": "自社の名前が生成AIの回答に出るかどうかは、1回質問すれば分かるのか",
   "answer": "生成AIの回答は、同じ質問でも実行のたびに変わりました。1回だけ計測した結果は信頼できません。論文の著者は、同じ質問を繰り返して計測するよう勧めています。ブランドが回答に出る度合いは、1つの値ではなく分布で表します。",
   "conditions": "家電・不動産販売・スポーツ用品・通信の4分野で各8問を、ChatGPT・Gemini・Google AI Mode・Perplexity に入力（2026年1〜3月）",
   "arxivUrl": "https://arxiv.org/abs/2604.07585",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2604.07585"
  },
  {
   "question": "知名度の低いブランドは、生成AIの回答で不利になるのか",
   "answer": "人気が上位20%のブランドは、調査した1,176ブランドの平均より1.4〜2.8倍多く、生成AIの回答に引用されました。ウェブ検索を使って回答する設定の生成AIでも、人気の高いブランドへの偏りは残りました。",
   "conditions": "イタリアの4業種について、3つの生成AIから1万9,200件の回答を API で取得",
   "arxivUrl": "https://arxiv.org/abs/2611.07614",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.07614"
  },
  {
   "question": "生成AIは、検索で見つけたウェブページの本文を読んでから回答しているのか",
   "answer": "GPT-5.6 Luna は、回答の53.6%で、検索で見つけたページの本文を開きませんでした。検索結果の抜粋だけを使って回答しました。変更前の値で回答した割合は、抜粋だけを使った回答で6.4%、本文を開いた回答で1.3%でした。",
   "conditions": "モデルの学習後に値が変わった225件の事実について質問",
   "arxivUrl": "https://arxiv.org/abs/2610.21731",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.21731"
  },
  {
   "question": "ウェブに公開した新しい情報は、何日で生成AI検索の回答に引用されるのか",
   "answer": "研究者が架空の言葉を一般の投稿サイトに公開すると、10の生成AI検索サービスのうち8つが、公開から7日以内に引用しました。生成AI検索がよく引用するサイトの記事1本は、あまり引用しないサイトの投稿20本超より多く引用されました。",
   "conditions": "2026年3〜4月に実験。調べた10サービスには中国向けのサービスが多い",
   "arxivUrl": "https://arxiv.org/abs/2610.11932",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.11932"
  }
 ],
 "papers": [
  {
   "arxivId": "2611.22033",
   "title": "Thinking Harder Doesn't Lead to Better Choices: Reasoning Effort Increases the Confidence but Not the Correctness of LLM Shopping Agents",
   "titleJa": "よく考えるだけでは、買い物エージェントの選択は良くならない",
   "authors": "Adi Krishnamoorthy, X. Y. Han",
   "submitted": "2026-11-17",
   "theme": "買い物エージェント",
   "summary": "買い物を任された10のモデルは、間違えるとき、多くの場合そろって、ほぼ合っている別の商品を選びました。複数モデルが外した問題では、間違いの81%から87%が、最も多い1つの誤答に集まりました。独立に間違える場合の目安は、32%から36%程度です。推論の量を増やしても、正答率は統計的に意味のある形では上がりませんでした。上がったのは、自信のほうでした。",
   "limitations": "候補10件は最初から提示されており、検索して見つけてもらう過程は測っていません。データはWebShop、Amazon SQID、Wayfair WANDSです。問い合わせはOpenRouterのAPIです。",
   "measured": "条件付きで商品を1つ選ぶ課題で、モデル横断の誤答が同じ「ほぼ正解の別商品」に集中するか。推論を増やしても正答は上がるか",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Claude",
    "DeepSeek",
    "Kimi",
    "公開モデル"
   ],
   "studiedModels": "GPT-6 Astra／GPT-6.1 Sol／GPT-6 Luna／Claude Fable 5.1／Claude Opus 5.5／Gemini 4 Argon／Gemini 3.1 Pro／DeepSeek V4.1 Flash／Qwen 3.8 Max／Kimi K3",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "API（OpenRouter。10モデルに同一プロンプト、推論の努力度は low / medium / high。候補10件を最初から提示。本文 3.2節）",
   "scale": "10モデル。データは WebShop、Amazon SQID、Wayfair WANDS。複数モデルが外した問題では、間違いの81〜87%が最頻の1誤答に集中（偶然なら32〜36%）",
   "whereTheNumbersAre": "本文（複数モデルが外した問題での最頻誤答の集中、偶然の場合の目安）。モデルと取得方法は本文3.2節",
   "arxivUrl": "https://arxiv.org/abs/2611.22033",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.22033"
  },
  {
   "arxivId": "2611.22274",
   "title": "GuardAgent: A Memory-Augmented Agentic Framework for Adaptive Detection of Adversarial Promotions in LLM-Based Recommendation",
   "titleJa": "GuardAgent：LLM推薦における宣伝操作を、記憶付きエージェントで見つける",
   "authors": "Shiyi Yang, Xinshu Li, Chen Wang, Xiwei Xu, Liming Zhu, Lina Yao",
   "submitted": "2026-11-17",
   "theme": "攻撃・差し込み",
   "summary": "LLMを使う推薦では、商品説明などの文章が攻撃の入口になりやすい、として、宣伝目的の操作を見つける仕組み GuardAgent を提案している。知覚・行動・内省・記憶のループで、見たことのない攻撃パターンにも合わせる、とされる。Amazon の楽器レビューと Yelp Business のデータで、既存手法より汎化が良い、と報告している。",
   "limitations": "WSDM 2027採択。新しい実測というより検出手法の提案である。検出の一部に GPT-3.5-turbo を使う（本文）。被害側は先行研究の言語駆動推薦パイプラインの既定設定に従う、とあり、確認した範囲では被害モデル名の一覧は列挙されていない。",
   "measured": "AIの推薦を宣伝目的で操作する攻撃を見つける仕組み（GuardAgent）",
   "studiedAi": [
    "研究用の独自システム"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "オフライン実験（Amazon Review Data の Musical Instruments と Yelp Business。本文 4.1.1節）",
   "scale": "Amazon Products はユーザー27,530・アイテム10,620・交互作用231,392。Yelp Business はユーザー1,599・アイテム1,318・交互作用30,120（本文 Table 1）。学習と評価は 7:3 に分割",
   "whereTheNumbersAre": "本文 4.1節（データセット：Amazon Products 27,530ユーザー・10,620アイテム、Yelp Business 1,599ユーザー・1,318アイテム）。性能数字の詳細は本文の結果表",
   "arxivUrl": "https://arxiv.org/abs/2611.22274",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.22274"
  },
  {
   "arxivId": "2611.22503",
   "title": "From Relevance to Utility: Rubric Alignment in Yuanbao Search",
   "titleJa": "関連性から効用へ：Yuanbao検索におけるルーブリック整合",
   "authors": "Yu Lu, Lixin Zou, Yangqi Chen, Hui Xu, Qiaolin Xia, Hao Wang, Qianwen Ma, Reed Li, Shuang Zeng, Haijin Liang, Haibo Shi",
   "submitted": "2026-11-17",
   "theme": "引用・出典選択",
   "summary": "関連度だけでなく、その回の評価基準（ルーブリック）に合う文書集合を集める「ルーブリック整合検索」を、中国の Yuanbao Search に入れた報告である。オフライン評価に加え、本番トラフィックの5%（14日間で約280万クエリ）でA/Bテストを行い、端から端までの回答品質がオンラインの本番ベースライン比で8.52%上がった、としている。",
   "limitations": "対象は Yuanbao Search であり、ChatGPT や Google 検索そのものではない。検索の学習は Qwen3-Embedding-0.6B、順位付けは Qwen3-4B。ルーブリック候補の生成には ChatGPT、Claude、GLM を使う（本文）。KDD 2027採択。8.52%は社内の本番評価を含む端から端までの数字である。",
   "measured": "関連性ではなく、ルーブリック（評価基準）との適合（utility）でYuanbao検索の出典を揃える",
   "studiedAi": [
    "Yuanbao"
   ],
   "studiedModels": "Yuanbao Search／Qwen3-Embedding-0.6B／Qwen3-4B",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "本番ログと人手評価のオフライン評価、および Yuanbao Search 本番トラフィックのオンラインA/B（本文 3.1節）",
   "scale": "学習は本番クエリ6,200万件など。オンラインA/Bは14日間・約280万クエリ（本番の5%）。うち1,000件をブラインドの並列評価（本文 3.1.1節）",
   "whereTheNumbersAre": "要旨（8.52%）。オンラインA/Bの規模は本文 3.1.1節（約280万クエリ、14日、1,000件のブラインド比較）。モデルは本文",
   "arxivUrl": "https://arxiv.org/abs/2611.22503",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.22503"
  },
  {
   "arxivId": "2611.22989",
   "title": "How Web Research Agents Interpret User Priorities",
   "titleJa": "ウェブ調査エージェントは、利用者の優先事項をどう解釈するか",
   "authors": "Robin Sharma, Parisa Suchdev",
   "submitted": "2026-11-17",
   "theme": "調査エージェント",
   "summary": "OpenAI側のモデルは、MicrosoftとAlphabetの比較で、レポートあたり異なる出典が平均7件でした。比較は18回で、出典の種類は21にとどまりました。引用の94%は、3条件のすべてで使われた9本に集まりました。9本の中心は、両社の決算資料でした。Claude側は、レポートあたり平均35種類、18回で391種類でした。レポート2本のあいだの出典の重なりは、平均5%でした。成長性、守り、指定なしと条件を変えても、出典の顔ぶれはほとんど変わりませんでした。変わったのは、比較に使ったものさしでした。",
   "limitations": "題材は大企業2社の比較1つで、1条件あたり6回と少ないです。「7」と「35」は、レポートあたりの異なる出典数です。引用の総数は313、レポートあたり約17件です。実行は2026年10月12日（UTC）の一括です。著者の留保は、商用のDeep Research製品についてです。調べた対象は、gpt-5.6-terraとclaude-sonnet-5です。",
   "measured": "同じ調べものを繰り返したとき、調査エージェントが選ぶ出典の集中と、回をまたいだ重なり",
   "studiedAi": [
    "ChatGPT",
    "Claude"
   ],
   "studiedModels": "gpt-5.6-terra／claude-sonnet-5",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "API",
   "scale": "36回（MicrosoftとAlphabetの比較を18回ずつ。成長性／守り／指定なしの3通り）。実行は 2026-10-12（UTC）に一括",
   "whereTheNumbersAre": "本文（出典の種類数、重なり、9本への集中、引用総数313）。実行日は本文に記載の一括実行日時",
   "arxivUrl": "https://arxiv.org/abs/2611.22989",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.22989"
  },
  {
   "arxivId": "2611.21823",
   "title": "TUSI: A Citation-Grounded Graph-Based Benchmark",
   "titleJa": "TUSI：引用で裏づけた、グラフ型のベンチマーク",
   "authors": "Marzieh Karimi, Mehran Safayani, Alireza Basiri",
   "submitted": "2026-11-16",
   "theme": "RAG・根拠提示",
   "summary": "ペルシャ語の法律QA向けに、根拠となる法令への引用付きでRAGを評価するベンチマーク TUSI-Bench を提案している。引用付きの回答が必要な質問は1,999件、イラン弁護士試験に基づく四択は約500件、とされる。グラフで条文の関係をたどる検索の基準手法も示している。",
   "limitations": "対象はペルシャ語の法律領域であり、一般のAI検索や日本語の広報計測そのものではない。質問は公開の法律相談サイトなどから集めた（初期に約7,900問、と本文）。埋め込みに Qwen3-Embedding-0.6B などを使う記載がある。",
   "measured": "引用に根拠づけられたグラフベースのベンチマーク（TUSI）",
   "studiedAi": [
    "公開モデル"
   ],
   "studiedModels": "Qwen3-Embedding-0.6B（生成モデルの包括的な一覧は要旨にはない）",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "公開の法律相談サイト等から構築したベンチマークによるオフライン評価（本文）",
   "scale": "引用付きQAが1,999問、四択が約500問（要旨）。初期収集は約7,900問（本文）",
   "whereTheNumbersAre": "要旨および本文（TUSI-Bench 1,999問、TUSI-Bar 約500問）。データ収集の約7,900問は本文",
   "arxivUrl": "https://arxiv.org/abs/2611.21823",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.21823"
  },
  {
   "arxivId": "2611.19655",
   "title": "User First Intelligence: Three Measurements of Search and AI-Answer Analytics (SEO and GEO/AEO), and a Knowledge-Graph Framework for Query Discovery Beyond Search Volume",
   "titleJa": "ユーザーを先にする知能：検索とAI回答の分析を3つ測る",
   "authors": "Venkata Pagadala",
   "submitted": "2026-11-14",
   "theme": "計測手法・再現性",
   "summary": "SEOやGEOが頼る分析ツールは、需要の一部しか見ておらず、数字の出方がツールで大きく違う、と報告している。米国の通信会社サイトの市外局番ページでは、2つの商用アナリティクスが推定月間訪問を7.5倍から27.1倍まで食い違えた。また Google の AI Overviews / AI Mode では、引用に動画・コミュニティサイトが中央値21%入ったのに対し、ChatGPT、Copilot、Perplexity、Gemini では0.6〜9.2%だった、としている。",
   "limitations": "査読前のプレプリント（43ページ）。数字は Ahrefs、Semrush、Similarweb などの商用ツールの記録に依る。ドメイン内12区画での比は0.20倍から7.24倍。教育分野の後続観察は13か国。因果実験ではない。",
   "measured": "検索とAI回答の分析を、3つの測り方で見る（User First Intelligence）",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Google AI Overviews",
    "Google AI Mode",
    "Perplexity",
    "Copilot"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "既存データの再分析"
   ],
   "dataCollectionDetail": "商用アナリティクスの保存記録と、ベンダーのAI回答インデックス（例: Ahrefs Brand Radar）を用いた観察（本文）。ブラウザかAPIかの単一の取得経路としては書かれていない",
   "scale": "ある通信会社サイトの市外局番ページは381コード＋53ハブ。ドメイン内12区画を比較。教育分野の後続は13か国（要旨・本文）",
   "whereTheNumbersAre": "要旨（7.5〜27.1倍、12区画の0.20〜7.24倍、引用の中央値21%対0.6〜9.2%）。ツール名は本文",
   "arxivUrl": "https://arxiv.org/abs/2611.19655",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.19655"
  },
  {
   "arxivId": "2611.18878",
   "title": "Label-Free Detection of Structural Bias in LLM-Based Recommender Systems via Randomized Paraphrasing: The Case of Verbosity",
   "titleJa": "ラベルなしで、LLM推薦の構造的偏りを見つける：冗長性（文章の長さ）の場合",
   "authors": "Carlos Peláez-González, David Herrera-Poyatos, Francisco Herrera, Andrés Herrera-Poyatos",
   "submitted": "2026-11-13",
   "theme": "ブランド推奨・偏り",
   "summary": "LLMが商品を選ぶとき、関連だけでなく説明文の長さなどの表面的な特徴に左右されうる、として、正解ラベルなしでその偏りを見る枠組みを提案している。Amazon ML Challenge 2023 のカタログから2万件の商品クエリと、5系統9モデルで冗長性バイアスを見た。関連を統制したあとでも、説明が長いほど選ばれやすく、長さの標準偏差あたり選択のオッズが最大38%上がった、と報告している。",
   "limitations": "9モデルは DeepSeek-R1 7B（Qwen）と8B（Llama）、Falcon-3 10Bと7B、GPT-OSS 120Bと20B、Gemma-3 12Bと27B、Llama-3.1 8B で、temperature 0（本文）。関連が主因で、長さは副次的、とも述べる。効果の強さは系統で違い、GPT-OSS が最も鈍く、DeepSeek-R1 蒸留が最も敏感、とされる。",
   "measured": "LLM推薦における構造的な偏りを、ラベルなしで検出する",
   "studiedAi": [
    "DeepSeek",
    "公開モデル"
   ],
   "studiedModels": "DeepSeek-R1 7B（Qwen）／DeepSeek-R1 8B（Llama）／Falcon-3 10B／Falcon-3 7B／GPT-OSS 120B／GPT-OSS 20B／Gemma-3 12B／Gemma-3 27B／Llama-3.1 8B",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "オフライン実験（Amazon ML Challenge 2023 カタログのサブセット。本文）",
   "scale": "商品クエリ2万件、推薦モデル9つ（5系統）。言い換えの選択実験では k=5（本文）",
   "whereTheNumbersAre": "要旨（2万クエリ、9モデル、オッズ最大38%/SD）。モデル一覧と復号設定は本文",
   "arxivUrl": "https://arxiv.org/abs/2611.18878",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.18878"
  },
  {
   "arxivId": "2611.16366",
   "title": "CURATOR: Scalable Fine-grained Evidence Selection for Retrieval-Augmented Generation using Decision Models",
   "titleJa": "CURATOR：決定モデルで、RAGの証拠を細かく選ぶ",
   "authors": "Shib Dasgupta, Bandish Parikh, Rashmi Gangadharaiah",
   "submitted": "2026-11-12",
   "theme": "RAG・根拠提示",
   "summary": "RAGは検索で得た段落をそのまま渡しがちだが、質問に効くのはその中の短い箇所だけであることが多い、として、細かい証拠選択の手法 CURATOR を提案している。見えないデータセットや領域でも使え、最強の既存手法と比べて、下流のRAG回答品質が平均17.4%上がった、と報告している。",
   "limitations": "v2（2026-11-14）は所属表記の訂正で、科学的内容は変わっていない、とコメントにある。事前学習した決定モデルの一例は Qwen3.5-4B を基にした pplx-decider-flash-v1.2（本文）。本番の回答エンジンそのものの計測ではない。",
   "measured": "RAG向けに、細かい根拠選択をスケールさせる（CURATOR）",
   "studiedAi": [
    "公開モデル",
    "研究用の独自システム"
   ],
   "studiedModels": "pplx-decider-flash-v1.2（Qwen3.5-4B を基にする。下流生成モデルの包括的な一覧は要旨にはない）",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "RAGの証拠選択に関するオフライン評価（本文）",
   "scale": "複数データセットでの平均として、最強ベースライン比で回答品質+17.4%（要旨）。個別データセットの件数は本文",
   "whereTheNumbersAre": "要旨（回答品質が平均17.4%向上）。モデルは本文",
   "arxivUrl": "https://arxiv.org/abs/2611.16366",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.16366"
  },
  {
   "arxivId": "2611.17161",
   "title": "Cited but Unused: Parametric Provenance in Retrieval-Augmented Generation",
   "titleJa": "引用されても使われていない：RAGにおけるパラメータ記憶からの由来",
   "authors": "Tanzeel Abbas, Tehseen Zia, David Windridge",
   "submitted": "2026-11-12",
   "theme": "引用・出典選択",
   "summary": "RAGの出典は、実際にその文書から来たのかを見誤ることがあり、通常の検証では見分けられない、と報告している。渡した文書の事実を偽の値に置き換えて聞き直すと、出典付き主張の1.2〜15.7%が、渡した文脈ではなくモデルの記憶から来ていた。最も保守的な置き換え距離では、試した2モデルで4.6%と8.5%で、同じ系統の中ではサイズが大きいほど上がった、とされる。",
   "limitations": "研究用のオープンウェイトモデルであり、実サービスの検索付き回答そのものではない。一方の系統は Qwen2.5-Instruct の0.5B、1.5B、3B、7B、14B。比較用に Llama-3.1-8B-Instruct も使う（本文）。",
   "measured": "出典つきの主張のうち、渡した文書ではなくモデルの記憶から来ている割合（Cited but Unused）",
   "studiedAi": [
    "公開モデル"
   ],
   "studiedModels": "Qwen2.5-Instruct（0.5B／1.5B／3B／7B／14B）／Llama-3.1-8B-Instruct",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "研究用モデルへのRAG実験（検索で得た文を渡し、事実を置き換えて再質問。本文）",
   "scale": "1系統5サイズと、比較用の別系統1つ。出典付き主張のうち記憶由来の割合を報告（要旨）",
   "whereTheNumbersAre": "要旨（1.2〜15.7%、保守的条件で4.6%と8.5%）。モデルは本文",
   "arxivUrl": "https://arxiv.org/abs/2611.17161",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.17161"
  },
  {
   "arxivId": "2611.16053",
   "title": "Wayfinder: Adaptive Resource Routing from Agent Citations",
   "titleJa": "Wayfinder：エージェントの引用から、次に見る資源を選ぶ",
   "authors": "Miguel Romero, George Karypis",
   "submitted": "2026-11-11",
   "theme": "その他・周辺",
   "summary": "エージェントは、チャットや課題管理、メール、ナレッジベースなど、情報がどこにあるかをあらかじめ知らず、同じ資源を何度も探し直しうる、として、以前の回答で引用した文書から次の行き先を学ぶルーター Wayfinder を提案している。未知の作業環境でも、資源の短い説明だけに頼る方法より適応できる、とされる。NeurIPS 2026採択。",
   "limitations": "企業の作業空間での資源ルーティングであり、一般向けAI検索の引用計測そのものではない。Claude Cowork は、未知環境への汎化が必要な設定の例として言及される。一部データ（NFCorpus）は使えるクエリが n=42 と少ない、と本文。",
   "measured": "エージェントの引用から、資源のルーティングを適応させる（Wayfinder）",
   "studiedAi": [
    "研究用の独自システム"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "ルーティングのオフライン評価（訓練時にない環境への汎化。本文 5–6節）",
   "scale": "複数のコーパス・環境で評価。NFCorpus は GT 利用可能なクエリが計42（本文）。詳細は本文の表",
   "whereTheNumbersAre": "本文（例: NFCorpus の usable queries が9と33、計42）。データセット構成は本文 5節",
   "arxivUrl": "https://arxiv.org/abs/2611.16053",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.16053"
  },
  {
   "arxivId": "2611.11955",
   "title": "CHO-Bench: How Do Context Hints Affect Ad Rankings in LLM Advertising?",
   "titleJa": "CHO-Bench：文脈ヒントは、LLM広告の並びをどう変えるか",
   "authors": "Shiqi Zhang, Yang Fei, Xiaokui Xiao",
   "submitted": "2026-11-09",
   "theme": "広告・収益化",
   "summary": "ChatGPT Ads のように、広告主が自然文の「文脈ヒント」（何を、誰に、いつ勧めるか）を付けられるとき、ヒントの作り方が広告の順位を変える、として問題を整理し、ベンチマーク CHO-Bench を提案している。ヒント生成に GPT-6-Luna と Gemini-3.1-flash-lite、埋め込み順位に OpenAI text-embedding-3-large と Qwen3-Embedding-4B、LLM順位に GPT-5.6-Luna と DeepSeek-4.1-flash を使い、温度は0、と本文は述べる。",
   "limitations": "ChatGPT Ads を動機にした研究用ベンチマークであり、本番の広告配信そのものを実測したものではない。予算制約の下でヒントを最適化する問題設定である。",
   "measured": "ChatGPT Ads の「誰に・いつ役立つか」というヒント（context hints）が、広告順位にどう効くか（CHO-Bench）",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "DeepSeek",
    "公開モデル"
   ],
   "studiedModels": "GPT-6-Luna／Gemini-3.1-flash-lite／OpenAI-text-embedding-3-large／Qwen3-Embedding-4B／GPT-5.6-Luna／DeepSeek-4.1-flash",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "CHO-Bench 上のオフライン実験（本文。温度0）",
   "scale": "要旨は問題設定が中心。データ件数の詳細は本文の実験節",
   "whereTheNumbersAre": "モデルと温度は本文。ベンチマーク規模の詳細は本文の実験節",
   "arxivUrl": "https://arxiv.org/abs/2611.11955",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.11955"
  },
  {
   "arxivId": "2611.10715",
   "title": "From User Behaviors to Satisfaction Judgments: Reasoning about User Satisfaction with AI Overviews",
   "titleJa": "行動から満足を読む：AI概要に対する利用者の満足を推論する",
   "authors": "Xingzhu Wang, Yitong Xu, Yue Li, Daiting Shi, Jingzhou He, Jiaxin Mao",
   "submitted": "2026-11-07",
   "theme": "引用・出典選択",
   "summary": "検索のAI概要（AI Overviews）の評価は回答の質が中心になりがちで、利用者の行動が十分使われていない、として、行動信号から満足を予測する手法 STaRS を提案している。31人・243セッション・554クエリのユーザー実験と、匿名企業の検索ログ SearchLog26（5.4千人、6,589クエリ）を使う。既存のIR向け行動予測をこの設定に移すには限界があり、STaRS はそれを補う、とされる。",
   "limitations": "対象はAI概要付きの検索であり、Google という社名は確認した範囲では本文に出てこない（匿名企業の検索エンジン、とログ側は記載）。STaRS の基幹は Qwen3-8B、比較のLLMベースラインは DeepSeek-V3.2（本文）。",
   "measured": "ユーザー行動から、AI Overviews 等に対する満足を推論できるか",
   "studiedAi": [],
   "studiedModels": "原文に記載なし（概要を出す検索エンジンはログ側で匿名）",
   "dataCollection": [
    "利用者と同じ画面",
    "既存データの再分析"
   ],
   "dataCollectionDetail": "31人のユーザー実験（満足度の自己申告付き）と、匿名企業のAI概要付き検索ログ（本文）",
   "scale": "UserStudy は554クエリ（31人、243タスクセッション）。SearchLog26 は6,589クエリ（5.4千人）（本文）",
   "whereTheNumbersAre": "本文（UserStudy：31人・243セッション・554クエリ。SearchLog26：5.4千人・6,589クエリ）。モデルは本文",
   "arxivUrl": "https://arxiv.org/abs/2611.10715",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.10715"
  },
  {
   "arxivId": "2611.07614",
   "title": "The Popular Get More Popular: Auditing Brand Bias in Generative Search",
   "titleJa": "人気のあるブランドは、さらに人気を集める：生成検索におけるブランド偏りを調べる",
   "authors": "Giorgio Monaco, Jacopo Lenti, Francesco Pierri",
   "submitted": "2026-11-05",
   "theme": "ブランド推奨・偏り",
   "summary": "人気上位のブランドは、平均の1.4倍から2.8倍、言及や引用されやすい結果でした。対象はイタリアの4業種、1,176ブランドです。検索をオンにしても、偏りは消えませんでした。調べた対象は、gpt-5.5、gemini-3.6-flash、perplexity-sonarです。",
   "limitations": "対象はイタリアの4業種に限られます。回答は1万9,200件で、各条件を10回繰り返しています。取得はAPIです。他の国や業種への外挿はできません。",
   "measured": "生成検索で、人気ブランドほど言及・引用されやすいか（人気の偏り）",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Perplexity"
   ],
   "studiedModels": "gpt-5.5／gemini-3.6-flash／perplexity-sonar",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "API",
   "scale": "イタリア4業種・1,176ブランド・1万9,200回答・10反復",
   "whereTheNumbersAre": "本文（1.4〜2.8倍、1,176ブランド、1万9,200回答、10反復）。モデルと取得方法は本文",
   "arxivUrl": "https://arxiv.org/abs/2611.07614",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.07614"
  },
  {
   "arxivId": "2611.08804",
   "title": "Generative Search and Recommendation at Shopify",
   "titleJa": "Shopify における生成検索と推薦",
   "authors": "Juhana Kangaspunta, Khalil Hajji, Darshan Fofadiya, Kyumin Park, Michael Garner, Anthony Maltsev, Ryan Synk, Jose Sepulveda, Joshua Crisologo, Shuying Sun, Akshay Soni",
   "submitted": "2026-11-05",
   "theme": "GEO手法・効果検証",
   "summary": "Shopify の検索と推薦を、商品を短い意味IDの列として生成する SID-LLM にまとめた、という本番システムの報告である。カタログと行動データで共同学習し、強化学習や蒸留も使う。既存の複数モデル検索と同等の品質を、本番の遅延制約の中で達成し、オンラインA/Bでは対象面で注文が7.95%、転換ユーザーが8.60%、転換率が9.85%上がった、と報告している（Dunnett 補正後も有意、とされる）。",
   "limitations": "Shopify 社内の生産システム（SID-LLM）の報告である。基盤モデルの一般的な商品名は、確認した範囲では原文に明記されていない。v2（2026-11-15）。カタログは数十億件規模、と要旨。",
   "measured": "Shopify における生成検索と推薦",
   "studiedAi": [
    "研究用の独自システム"
   ],
   "studiedModels": "SID-LLM（基盤モデルの一般名は原文に記載なし）",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "オフライン評価と、Shopify 本番への組み込みによるオンラインA/B（要旨・本文）",
   "scale": "カタログは数十億件規模（要旨）。オンラインA/Bのリフトは本文に記載の3指標",
   "whereTheNumbersAre": "要旨（オンラインA/Bの7.95%、8.60%、9.85%）。補正の記載は本文",
   "arxivUrl": "https://arxiv.org/abs/2611.08804",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.08804"
  },
  {
   "arxivId": "2611.06777",
   "title": "WISE: An Agentic Framework for Whole-page Multimodal Search Experience Attribution",
   "titleJa": "WISE：ページ全体のマルチモーダル検索体験を、どこが悪いかまで帰属する",
   "authors": "Wenyi Xu, Renzhe Zhou, Songyang Li, Feiran Zhu, Ruoqi Zhao, Chenglei Dai, Xuanping Li, Kaiqiao Zhan, Jingwei Zhuo",
   "submitted": "2026-11-04",
   "theme": "引用・出典選択",
   "summary": "検索・推薦・広告のような多段のアルゴリズムサービスでは、運用上は動いていても結果の質が悪いことがあり、悪い結果を見つけるだけでなく原因箇所まで帰属する課題（System Quality Diagnosis）を定式化している。エージェント枠組み WISE と、ハーネスと方策を適応的に最適化する AHPO を提案し、固定の重みでも GPT-5.6-Luna、GPT-5.6-Terra、Kimi-K2.6 でハーネス最適化の前後を比較している（本文）。",
   "limitations": "v2（2026-11-05）。アルゴリズムサービスの品質診断であり、一般向けAI検索の引用率を測った論文ではない。詳細なモデル版と復号設定は本文にあり、特記なき結果はホールドアウトのテストセット、とされる。",
   "measured": "",
   "studiedAi": [
    "ChatGPT",
    "Kimi"
   ],
   "studiedModels": "GPT-5.6-Luna／GPT-5.6-Terra／Kimi-K2.6",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "提案ベンチマーク上のオフライン評価（本文 5.1節）",
   "scale": "ホールドアウトのテストセットで報告、と本文。件数の詳細は本文の実験設定および付録",
   "whereTheNumbersAre": "モデル名は本文。課題定式化は要旨。量的結果の詳細は本文 5節および付録",
   "arxivUrl": "https://arxiv.org/abs/2611.06777",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.06777"
  },
  {
   "arxivId": "2611.04225",
   "title": "IntentGEO: Intent-aware Generative Engine Optimization for Recommendation",
   "titleJa": "IntentGEO：意図を意識した、推薦向け生成エンジン最適化",
   "authors": "Runlin Lei, Shiqi Zhang, Xiaokui Xiao, Zhewei Wei",
   "submitted": "2026-11-03",
   "theme": "GEO手法・効果検証",
   "summary": "既存のGEOは、一般的な質問の下で見え方を上げることが多いが、同じ商品説明でも利用者の意図（どれだけ具体か、どの決定段階か）で見え方の伸びが変わる、として IntentGEO を定式化している。既存手法の伸びは意図でばらつき、学習ベースの手法もある、とされる。評価は C-SEO Bench の Books、Retail、Videogames と Ragdoll の4データ、比較モデルに Gemini 2.5 Flash-Lite と Qwen3-30B-A3B の記載がある（本文）。",
   "limitations": "推薦シナリオでの書き換え効果の評価であり、ライブの商用検索そのものではない。元の質問は C-SEO Bench のトピック型テンプレートに従う。設定の詳細は付録 G、とされる。",
   "measured": "意図を踏まえた推薦向けGEO（IntentGEO）",
   "studiedAi": [
    "Gemini",
    "公開モデル"
   ],
   "studiedModels": "Gemini 2.5 Flash-Lite／Qwen3-30B-A3B",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "C-SEO Bench 等のデータセット上のオフライン実験（本文）",
   "scale": "4データセット（Books、Retail、Videogames、Ragdoll）。クエリ構成は C-SEO Bench のテンプレートに従う（本文）",
   "whereTheNumbersAre": "データセット名は本文。モデル名（Gemini 2.5 Flash-Lite、Qwen3-30B-A3B）は本文。可視性の伸び（Δ Pass@5 等）は本文 Table 5",
   "arxivUrl": "https://arxiv.org/abs/2611.04225",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.04225"
  },
  {
   "arxivId": "2611.04264",
   "title": "Reliability Stress Testing of RAG Retrieval under Query-Relevant Corpus Poisoning",
   "titleJa": "質問に合わせたコーパス汚染の下で、RAGの検索がどれだけ持つかをストレス試験する",
   "authors": "Janet Sung, Kainan Zhou, Gangzhen Qian, Hang Xiao, Lu Yi",
   "submitted": "2026-11-03",
   "theme": "攻撃・差し込み",
   "summary": "外部の文章がRAGの答えに効くのは、検索器がそれをモデルの文脈に入れたあとだ、として、検索の「入場」段階をストレス試験している。BEIR の SciFact と NFCorpus から623クエリを使い、クエリごとに狙った文書を5件入れると、古典的検索器の nDCG@10 が隔離条件で40.2〜61.5%下がった。BM25 の悪化の大半は、クエリ全文を文書に固定する操作で説明でき、後段に付けた文は潜在意味解析側も動かす、と報告している。",
   "limitations": "対象は BM25 などの古典的検索器の入場段階であり、生成モデルの名前は要旨にない。確認した本文範囲でも生成LLM名は見つからなかった。生成の品質そのものではなく、検索器が汚染文書を通すかを見ている。",
   "measured": "質問に関連するコーパス汚染の下で、RAG検索がどれだけ持つか（信頼性のストレステスト）",
   "studiedAi": [],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "BEIR（SciFact と NFCorpus）を用いたオフラインの検索実験（要旨）",
   "scale": "623クエリ。クエリあたり狙った文書5件（要旨）",
   "whereTheNumbersAre": "要旨（623クエリ、5件/クエリ、nDCG@10 が40.2〜61.5%低下）",
   "arxivUrl": "https://arxiv.org/abs/2611.04264",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.04264"
  },
  {
   "arxivId": "2611.04005",
   "title": "Characterizing Adversarial GEO via Implicit Brand Injection",
   "titleJa": "暗黙のブランド差し込みによる、敵対的GEOの特徴づけ",
   "authors": "Shobhnik Kriplani, Haohan Wang",
   "submitted": "2026-11-02",
   "theme": "攻撃・差し込み",
   "summary": "第三者の記事に、宣伝らしくなくブランド名を1回足すだけで、回答への出現が動き得ると報告しています。架空の60ブランドを使った実験では、記事に近い質問で出現率は最大約63%でした。分野全体の質問では、出現率は最大約35%に下がりました。調べた対象は、GPT-5-miniです。",
   "limitations": "研究用の検索環境での結果であり、実サービスでは未検証です。ブランドは架空です。",
   "measured": "第三者記事に、宣伝らしくなくブランド名を1回足す（暗黙の差し込み）と、回答への出現がどう動くか",
   "studiedAi": [
    "ChatGPT"
   ],
   "studiedModels": "GPT-5-mini",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "その他（研究用の検索環境。実サービスでは未検証）",
   "scale": "架空60ブランド。出現率は最大約63%（記事に近い質問）、分野全体の質問では最大約35%に下がる",
   "whereTheNumbersAre": "本文（最大約63%、約35%、架空60ブランド）",
   "arxivUrl": "https://arxiv.org/abs/2611.04005",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.04005"
  },
  {
   "arxivId": "2611.01126",
   "title": "Do GEO Gains Survive the Live Web? Evaluating In-the-Wild Visibility Gains of Generative Engine Optimization via LIVE-GEO",
   "titleJa": "GEOの伸びは、ライブのウェブでも残るか：LIVE-GEO による野外評価",
   "authors": "Runze Kong, Haibo Jin, Xucheng Yu, Xiaoqi Wang, Huimin Zeng, Haohan Wang",
   "submitted": "2026-10-31",
   "theme": "GEO手法・効果検証",
   "summary": "これまでのGEO評価は、テキストを直接渡したり、統制した検索パイプラインに依ることが多く、ライブのウェブでも伸びが残るかは分からない、としてベンチマーク LIVE-GEO を提案している。架空ブランド80、商品ファミリー18を公開し、生成エンジン3つ（ChatGPT（GPT-6）、Gemini 3.6 Thinking、Grok の Expert モード）、テキスト直接のAPI評価器4つ（GPT-4o、DeepSeek、Kimi、Claude）、ローカル評価器 Qwen2.5-3B-Instruct で試した、と本文は述べる。",
   "limitations": "価格を ±0.2% に固定した条件など、本文に実験の留めがある。ライブWebでの見え方と、テキストを直接渡した評価は分けて報告される。架空ブランドであり、実在企業の検索結果そのものではない。",
   "measured": "オフラインや研究用のGEO効果が、公開Web（ライブ）でも残るか（LIVE-GEO）",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Grok"
   ],
   "studiedModels": "ChatGPT（GPT-6）／Gemini 3.6 Thinking／Grok（Expert モード）",
   "dataCollection": [
    "利用者と同じ画面",
    "研究用の環境"
   ],
   "dataCollectionDetail": "ライブのウェブにページを公開して生成エンジンで評価する LIVE-GEO と、テキストを直接渡す評価器（本文 4.1節）",
   "scale": "架空ブランド80、商品ファミリー18（本文）。クエリと結果の詳細は本文 4節",
   "whereTheNumbersAre": "本文（80ブランド、18ファミリー、エンジンと評価器の一覧）。結果の数値は本文 4節",
   "arxivUrl": "https://arxiv.org/abs/2611.01126",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2611.01126"
  },
  {
   "arxivId": "2610.39339",
   "title": "Does the Citation Matter? Quality, Grounding, and Physician-Rubric Accuracy of Google's AI Overviews for Medical Information",
   "titleJa": "引用は効いているか：Google の AI Overviews の医療情報について、質・根拠・医師ルーブリックの正確さ",
   "authors": "Sam Agnoli, Brigid Reilly, Lily Barna, Emőke-Ágnes Horvát",
   "submitted": "2026-10-29",
   "theme": "引用・出典選択",
   "summary": "Google の AI Overviews を、3,611件の健康ベンチマーク質問で、従来検索の上位5件と比べた。概要は質問の96.4%に出たが、上位5件のうち概要が引用したのは44.4%にとどまり、学術・公的機関より商業的な健康メディアを厚く取った、と報告している。引用文が当該ページに支えられるのは、分類器の誤りを補正した推定で56.7%、引用なしの事実主張は全発言のさらに20.8%。医師のルーブリックでは獲得点が38.2%（正確さ54.2%、完結さ21.6%）だった。",
   "limitations": "探索的な最初の研究、と本文。質問は HealthBench で、通常の Google クエリより長い。そのため引用なしの概要が増えた可能性があり、著者もその点を認めている。対象は Google の AI Overviews（Gemini によるRAG、と本文）。",
   "measured": "出典の有無が、医療系生成検索の質・グラウンディング・医師ルーブリック精度に効くか",
   "studiedAi": [
    "Google AI Overviews"
   ],
   "studiedModels": "Google の AI Overviews（本文は Gemini によるRAGと説明）",
   "dataCollection": [
    "利用者と同じ画面"
   ],
   "dataCollectionDetail": "Google の AI Overviews と、従来検索の上位結果を、健康質問で比較（要旨・本文）。画面上の概要を対象とする評価",
   "scale": "健康質問3,611件。各質問の従来結果上位5件と比較（要旨）",
   "whereTheNumbersAre": "要旨（3,611問、96.4%、44.4%、56.7%、20.8%、38.2%、正確さ54.2%、完結さ21.6%）。限界は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.39339",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.39339"
  },
  {
   "arxivId": "2610.40164",
   "title": "Who Owns Digital News, and Who Gets Cited: Measuring Media Concentration Across 77 Countries and Seven AI Systems",
   "titleJa": "デジタルニュースは誰のもので、誰が引用されるか：77か国・7つのAIシステムでメディア集中を測る",
   "authors": "Peter Carragher, Kathleen M. Carley",
   "submitted": "2026-10-29",
   "theme": "ニュース・メディア集中",
   "summary": "Wikipedia と Wikidata から9,761のデジタルニュース媒体の所有データを整え、7つのAIシステムの引用の集中を、トラフィックの集中と比べた報告である。媒体レベルでAIの引用分布はトラフィックより1.23〜2.08倍集中し、所有者レベルでは1.11〜1.79倍、とされる。Ahrefs のAI回答回数は ChatGPT、Copilot、Gemini、Google AI Overviews、Grok を含み、Arena 側では Gemini、検索付き Perplexity、GPT-4.0 などの測定も加わる（本文）。",
   "limitations": "77か国。Ahrefs 側は英語プロンプトで、Google の「People Also Ask」由来の質問に対する回答回数、と本文。Arena は非英語プロンプトも含む、とされる。もし Google AI Overviews が自然検索をすべて仲介したら、という米国の集中の試算もある。",
   "measured": "デジタルニュースの所有（集中）と、AIに引用される媒体の集中",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Google AI Overviews",
    "Perplexity",
    "Copilot",
    "Grok"
   ],
   "studiedModels": "原文に記載なし（Ahrefs側は ChatGPT／Copilot／Gemini／Google AI Overviews／Grok。Arena側は Gemini、検索付き Perplexity、GPT-4.0 などの追加測定）",
   "dataCollection": [
    "既存データの再分析"
   ],
   "dataCollectionDetail": "所有データは Wikipedia / Wikidata。引用回数は Ahrefs のAI回答カウント等（本文）",
   "scale": "媒体9,761、77か国、AIシステム7つ（要旨）",
   "whereTheNumbersAre": "要旨（9,761媒体、77か国、集中の倍率）。システムの内訳は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.40164",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.40164"
  },
  {
   "arxivId": "2610.38090",
   "title": "Predicting What Answer Engines Cite: Open Decision Models, Rerankers and a Distilled 4B Student on Ten Engines under Controlled Retrieval",
   "titleJa": "回答エンジンが何を引用するかを予測する：決定モデル、リランカー、蒸留した4B学生を、統制検索の10エンジンで",
   "authors": "Elisha Bajemon, Andre-Louis Rochet",
   "submitted": "2026-10-28",
   "theme": "引用・出典選択",
   "summary": "生成エンジン最適化のために、候補ページが引用のどれだけを取るかを予測するスコアを、既存のリランカー、ホスト型の決定モデル Jev、オープンな決定モデル、蒸留学生で比べた。同じ候補をプロンプトに渡した10エンジンで、同じ質問に複数が答えたときのエンジン間の Spearman 相関は0.704。学習なしの Jev とオープンな27B決定モデル2つが最も強く、0.575〜0.578だった。Qwen3-Reranker-4B を教師ラベルで調整した学生（GEO Citation Ranker）も公開している。",
   "limitations": "候補はプロンプトに同じものを渡しており、ライブ検索のランキングそのものではない。データは GEO-Bench。10エンジンの個別名称の完全な一覧は要旨にはない。",
   "measured": "回答エンジンが何を引用するかを、公開された決定モデルや再ランカーで予測できるか",
   "studiedAi": [
    "公開モデル",
    "研究用の独自システム"
   ],
   "studiedModels": "Jev／オープンな27B決定モデル2つ／Qwen3-Reranker-4B の蒸留学生／同じ候補を渡した10エンジン（名称の完全な一覧は本文）",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "統制した検索（同じ候補ソースをプロンプトに渡す）でのオフライン評価（要旨）",
   "scale": "GEO-Bench のクエリ。10エンジン。同じクエリに複数が答えた場合の一致を報告（要旨）",
   "whereTheNumbersAre": "要旨（Spearman 0.704、Jev 等 0.575〜0.578）。モデル公開先はコメント（Hugging Face）",
   "arxivUrl": "https://arxiv.org/abs/2610.38090",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.38090"
  },
  {
   "arxivId": "2610.38361",
   "title": "Manifest-Assisted Retrieval in Artificial Intelligence Search: Evidence Gaps and a Security Evaluation",
   "titleJa": "AI検索におけるマニフェスト支援の取得：証拠の欠落と、llms.txt のセキュリティ評価",
   "authors": "Gangzhen Qian, Kainan Zhou, Chuhong Xu, Hang Xiao, Zhi Jing, Rong Bao, Lu Yi, Zhaoyi Li",
   "submitted": "2026-10-28",
   "theme": "攻撃・差し込み",
   "summary": "/llms.txt を読むことが、通常の検索を固定したままでセキュリティや有用性をどれだけ変えるかを、既存文献からは切り出せなかった、という証拠の整理である。最初の文献整理は2026年8月16日時点で39ソース、その後10月14日まで追補した。意図的に選んだ15ツールの観察では、1つのエンドポイントで45試行のうち自動リクエストはなく、非確率的なログ研究では、ファイルが検出されたドメインの97%が2026年5月に記録上のリクエストを受けていなかった、と報告している。",
   "limitations": "IEEE FLLM 2026採択。体系的レビューではなく、目的的なツール観察とログ研究である。自動で llms.txt を取りに行くとは限らない、という観察が中心で、大規模な引用実験ではない。ChatGPT/Codex は図表や文章の補助に使った、と開示がある。",
   "measured": "AI検索におけるマニフェスト（宣言ファイル）支援の検索と、証拠の隙間",
   "studiedAi": [],
   "studiedModels": "原文に記載なし（15ツール。個別名称の完全な一覧は要旨にはなく本文の観察節）",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "非体系的な文献の整理と、15ツール・45試行の観察、およびログ研究（要旨）",
   "scale": "文献は39ソース（2026-08-16、追補は10-14まで）。ツール観察は15・45試行。ログ側は検出ドメインの97%が当該月にリクエストなし（要旨）",
   "whereTheNumbersAre": "要旨（39ソース、15ツール、45試行、97%、観察月2026年5月）",
   "arxivUrl": "https://arxiv.org/abs/2610.38361",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.38361"
  },
  {
   "arxivId": "2610.37080",
   "title": "Tessera: Structure-Completed Evidence Units for Web Retrieval-Augmented Generation",
   "titleJa": "Tessera：ウェブRAGのために、構造を補完した証拠単位",
   "authors": "Peichun Hua, He Sun, Zirui Zhuang, Qi Qi, Yiming Qiu, Shinan Liu, Yunming Xiao",
   "submitted": "2026-10-27",
   "theme": "RAG・根拠提示",
   "summary": "ウェブRAGはページを固定長のチャンクやスクリーンショットのタイルに切るため、表やインフォボックスなど、見出しと組になって意味を持つ情報が欠けやすい、と英語版Wikipedia全体の追跡で述べている。Tessera は、検索の単位と読ませる単位を分け、タイトルや節の経路、表の見出しを補った証拠単位を、同じトークン予算で読者に渡す。3つのQAベンチマークで、テキストとスクリーンショットのパイプラインとも正解が5〜6ポイント上がった、と報告している。",
   "limitations": "主な実験の読者は Qwen3.5-4B、コーパスは2025年8月の英語Wikipediaスナップショット（本文 §4.1）。学習なしの後段レイヤーで、索引や検索器、読者自体は変えずに付ける。GPT-5.6 などの記載もあるが、主設定は上記。",
   "measured": "Web RAG で、表や infobox が見出しと切れて読み手（モデル）に届かない問題（Tessera）",
   "studiedAi": [
    "ChatGPT",
    "公開モデル"
   ],
   "studiedModels": "Qwen3.5-4B（主実験の読者）／GPT-5.6（比較の記載）",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "英語Wikipediaスナップショット上のオフラインRAG実験（本文。2025年8月スナップショット）",
   "scale": "英語Wikipedia全体での証拠の追跡と、3つのQAベンチマーク（要旨）",
   "whereTheNumbersAre": "要旨（正解+5〜6ポイント、3ベンチマーク）。主設定のモデルとスナップショットは本文 §4.1 および §2.3",
   "arxivUrl": "https://arxiv.org/abs/2610.37080",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.37080"
  },
  {
   "arxivId": "2610.34294",
   "title": "Factual Yet One-Sided: Stance Poisoning and Evidence Balancing in Retrieval-Augmented Generation",
   "titleJa": "事実は正しくても、一方に寄る：RAGにおける立場の汚染と証拠の均衡",
   "authors": "Puyuan Yang, Shaoxuan Dong, Liujie Wu, Xiaochun Cheng, Bo Li",
   "submitted": "2026-10-25",
   "theme": "攻撃・差し込み",
   "summary": "RAGの答えの立場は、検索で得た文書の立場の偏りに左右される、として、事実は正しくても争点で一方に寄る注入を調べている。注入後の ProCon 文書で話題あたりの汚染割合が平均18.9%のとき、異なる提供者の生成モデル4つすべてで、汚染の向きに沿った立場のずれが出た。検索器と生成の間に置く Stance-Balancing Middleware（立場の検出、賛成2・反対2・中立1の固定均衡、偏りを抑えるプロンプト。追加のLLM呼び出しなし）を提案し、8つの濃度・方向の設定で、立場のずれの大きさが0.106〜0.350減った、と報告している。",
   "limitations": "生成モデルは DeepSeek-V4-Pro、Gemma-4-31B、Kimi-K2.6、Llama-4-Maverick-17B。答えの採点には GPT-5.4 を使う（本文）。知識源は Natural Questions の一部と、論争42話題（各5問、計210問）。本番の検索付きチャットそのものではない。",
   "measured": "事実ではあるが一方に偏った根拠をRAGに混ぜる（stance poisoning）と、そのバランス",
   "studiedAi": [
    "DeepSeek",
    "Kimi",
    "公開モデル"
   ],
   "studiedModels": "DeepSeek-V4-Pro／Gemma-4-31B／Kimi-K2.6／Llama-4-Maverick-17B",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "オフラインのRAG実験（検索器と生成の間にミドルウェアを置く。追加のLLM呼び出しなし、と要旨）",
   "scale": "論争42話題、各5問で計210問。人為コーパス1,478件、注入文書588件。汚染濃度は複数段階（本文・要旨）",
   "whereTheNumbersAre": "要旨（汚染割合18.9%、ずれの減少0.106〜0.350、Holm調整後 p<=0.009 など）。モデルと210問・42話題は本文。人為コーパス1,478件、注入588件も本文",
   "arxivUrl": "https://arxiv.org/abs/2610.34294",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.34294"
  },
  {
   "arxivId": "2610.29216",
   "title": "Preference Is Not Permission: Personalizing the Auto-Purchase Line in Agentic Commerce",
   "titleJa": "好みは許可ではない：買い物エージェントの自動購入ラインを、個人に合わせる",
   "authors": "Ryotaro Shimizu, Sai HtaungKham, Mo Fan",
   "submitted": "2026-10-21",
   "theme": "買い物エージェント",
   "summary": "その商品が合うかだけでなく、エージェントがどこまで自動で買ってよいか、という個人の自動購入ラインを課題にしている。出力は「買わない」「先に確認する」「自動で買う」の3値で、適合だけでなく、情報の十分さ、取り消せるか、いつもの価格か、急ぐかも条件になる。指示調整モデル16（4提供者）では、15人の注釈者がその人物の立場で許す最遠の行動と比べ、適合が低くても、根拠が足りないとモデル自身が示しても、自動で進もうとすることがあった。浅い学習器は、その人自身のラベル数十件（中央値は30〜40件）で、別の分割の自動購入ラインを中央値0.79で予測し、試したプロンプトとモデルの組み合わせを上回った、とされる。",
   "limitations": "学習した境界は領域をまたいで移らない、と著者は述べる。ベンチマークと注釈手順は採択後に公開予定、とされる。確認できたモデル例は Llama-4、Qwen3-Next-80B、Gemini-2.5、Gemini-3.1-Pro、GPT-5.5、GPT-5 など（本文）。16モデルの正式名称の完全な一覧は要旨にはない。",
   "measured": "好み（preference）と、自動購入してよいライン（permission）は別、という課題設定",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "公開モデル"
   ],
   "studiedModels": "Llama-4／Qwen3-Next-80B／Gemini-2.5／Gemini-3.1-Pro／GPT-5.5／GPT-5（16の正式名称の完全な一覧は要旨にはない）",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "反実仮想のベンチマークと、15人の注釈による許可の基準とのオフライン比較（要旨）",
   "scale": "モデル16、注釈者15人。浅い学習器は数十件の個人ラベル（中央値30〜40件）で評価（要旨）",
   "whereTheNumbersAre": "要旨（16モデル、15人の注釈者、30〜40ラベルで中央値0.79）。モデル例は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.29216",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.29216"
  },
  {
   "arxivId": "2610.29785",
   "title": "Where Do LLMs Learn to Recommend AI?",
   "titleJa": "LLMは、どこでAIを勧めるようになるのか",
   "authors": "Benaya Trabelsi, Jonathan Shaki, Sarit Kraus",
   "submitted": "2026-10-21",
   "theme": "ブランド推奨・偏り",
   "summary": "何を学ぶか、どの職に就くか、何を作るかと問うと、LLMはAI関連の選択肢を勧めやすい、として、その傾向がどこで付くかを見ている。公開の事前学習モデルでは、回答の27%にAI/MLの語が推薦へ入り、公開の指示調整版では59%だった。自分たちで調整すると、一般の指示調整では率は変わらず、AIに関する指示例（全体の7%）を除くと14ポイント下がって事前学習より低くなった。有用さを報いるデータでは9ポイント上がり、多様な仮想利用者の好みで順位を付けたデータでは9ポイント下がった、とされる。",
   "limitations": "arXiv:2601.13749 の姉妹論文（18ページ）。公開チェックポイントの比較は、5系統・10の Base–Instruct 対応ライン（Llama 3.1/3.2、Qwen3、Granite 4.1、Falcon3、Olmo-3 など。本文 Table 2）。推薦の判定フィルタに Qwen3.6-27B と DeepSeek-V4-Flash を使う。質問は学習、進路、スタートアップ、科学研究の4領域。商用チャットの本番画面そのものではない。",
   "measured": "LLMが「AIを薦める」知識をどこで身につけたか、と標題から読める問題設定",
   "studiedAi": [
    "公開モデル"
   ],
   "studiedModels": "Llama-3.1-8B／Llama-3.2-3B／Qwen3-14B／Qwen3-8B／Granite-4.1 30B／Granite-4.1 8B／Falcon3-10B／Falcon3-7B／Olmo-3 32B／Olmo-3 7B",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "オープンウェイトの公開チェックポイントと、自分たちで行った事後学習・プロンプト条件のオフライン比較（本文 3節）",
   "scale": "10の Base–Instruct 対応ライン、4領域の助言質問（学習、進路、スタートアップ、科学研究）。個別の質問件数は本文",
   "whereTheNumbersAre": "要旨（27%と59%、7%の例を除くと-14ポイント、+9/-9ポイント、「最良」で+8、「今すぐ」で+18、AI助言者で+4）。10ラインの平均32.48ポイント差は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.29785",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.29785"
  },
  {
   "arxivId": "2610.30026",
   "title": "What the Author Wrote, What the Agent Reads: Silent Cue Loss in Enterprise Document Ingestion",
   "titleJa": "著者が書いたものと、エージェントが読むもの：企業文書の取り込みで、見た目の手がかりが静かに落ちる",
   "authors": "Yikai Zhao, Saurabh Pandey, Pradeep Kumar Misra",
   "submitted": "2026-10-21",
   "theme": "その他・周辺",
   "summary": "企業のエージェントが文書に従う前に、Word や PDF をトークンへ変える取り込み層があり、そこで「文字の見た目」に込めた意味が落ち、エージェントは欠けていると気づかず自信を持って誤る、と報告している。実在の方針文書76件で、著者が目立たせた要件をファイル自身の OOXML から機械的に採点すると、見た目を無視する取り込みでは micro F1 が0.690から、docling で0.150、プレーンテキストで0.075まで落ちた。この差は、Claude の Opus・Sonnet・Haiku 層の5モデルと OpenAI の GPT-5.6 の計6モデルで再現した、とされる。",
   "limitations": "企業文書の取り込み実験であり、一般向けAI検索の引用計測ではない。効果のほとんどはハイライト（+0.302）と色（+0.262）にあり、太字・斜体などはほぼ0、とされる。6,460件の文書のうち32.8%に意図的な色やハイライトがあり、義務の箇所では10.3%、という観察もある。",
   "measured": "企業文書の取り込み（ingestion）で、著者が見た目に込めた手がかりが silently 失われること",
   "studiedAi": [
    "ChatGPT",
    "Claude"
   ],
   "studiedModels": "Claude の Opus・Sonnet・Haiku 層の5モデル／GPT-5.6（個別の版名の完全な一覧は要旨にはない）",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "実在の方針文書を取り込み、OOXML の属性と照合するオフライン実験（LLM判定は使わない、と要旨）",
   "scale": "方針文書76件。色やハイライトの観察は6,460件（要旨）",
   "whereTheNumbersAre": "要旨（76件、F1 0.690→0.150/0.075、6モデル、ハイライト+0.302、色+0.262、6,460件中32.8%と10.3%）",
   "arxivUrl": "https://arxiv.org/abs/2610.30026",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.30026"
  },
  {
   "arxivId": "2610.30365",
   "title": "Data-Void Exploits in Web-Searching LLMs",
   "titleJa": "ウェブ検索付きLLMにおける、情報の空白（データボイド）の悪用",
   "authors": "Michele Guerra, Wuyeh Jobe, Sanjana Nambiar, Christina Pöpper, Azza Abouzied",
   "submitted": "2026-10-21",
   "theme": "攻撃・差し込み",
   "summary": "信頼できる情報の少ない検索空間（データボイド）に攻撃者の説明を置き、ウェブ検索付きLLMに拾わせる攻撃を調べている。ChatGPT、Gemini、Perplexity Sonar Pro と、懐疑・興奮・中立の3つの問い方、攻撃者側の3つの操作を変えた。攻撃者が管理するページが1つでも成功しうるとし、全条件を通して攻撃者の内容が回答に出た割合は31%、と報告している。問い方を疑う向きにすると成功が少し減り警告も少し増えるが、問い方やモデルの違いによる大きな効果は見られなかった、とされる。",
   "limitations": "NDSS 2027 に採択予定の拡張版（v2、更新は2026-11-02）。ChatGPT は GPT-5.2 のウェブ画面（ウェブ検索オン）。Gemini と Perplexity は、同等設定で画面と一致することを確かめたうえでAPIを使った、と本文。スナップショットは公開から25日後。キーワードを先に教える問い方では、ChatGPT で成功が39.3%まで上がった、という追試もある（本文）。",
   "measured": "情報の薄い話題（data void）に1ページ置くだけで、Web検索付きLLMの回答を乗っ取れるか",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Perplexity"
   ],
   "studiedModels": "ChatGPT（GPT-5.2）／Gemini／Perplexity Sonar Pro",
   "dataCollection": [
    "利用者と同じ画面",
    "API"
   ],
   "dataCollectionDetail": "ChatGPT はウェブ画面。Gemini と Perplexity は、同等設定で画面と一致することを確かめたAPI（本文）。公開から25日後のスナップショット",
   "scale": "56の空白×3モデル×3つの問い方で504回答（本文）。全条件を通した出現率は31%（要旨）",
   "whereTheNumbersAre": "要旨（31%、ページ1つでも成功しうる）。規模は本文（56の空白×3モデル×3つの問い方で504回答）。追試の39.3%も本文",
   "arxivUrl": "https://arxiv.org/abs/2610.30365",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.30365"
  },
  {
   "arxivId": "2610.30423",
   "title": "When Agentic Retrieval Fails Silently: Framework and Production Evidence from a Creative AI Assistant",
   "titleJa": "エージェント型検索が、静かに失敗するとき：枠組みと、創作AIアシスタントの本番証拠",
   "authors": " Yan,  Liang, Anuj Agarwal, Aditya Reddy Cheruku",
   "submitted": "2026-10-21",
   "theme": "調査エージェント",
   "summary": "クリック率やMRR、行動ベースのNDCGは、利用者が順位付きの結果を見て動くことを前提にするが、エージェント型アシスタントでは生成層が先に検索結果を読むため、その前提が崩れる、と述べている。誰が読むか、いつ行動するか、何が効いたかがずれることを帰属の隙間と呼び、検索の質、関与と結果、製品の成功を独立した層で見る LARA を提案する。動機の観察は Adobe Express で、同じ検索基盤がギャラリー検索とエージェント型アシスタントに使われ、後者のセッション量は前者のおよそ8分の1、とされる。",
   "limitations": "CHIIR 2027 Industry Track への投稿（5ページ、1図）。Adobe Express の本番観察であり、生成モデルの一般名は原文に記載がない。44.4%対33.1%は、チャットとギャラリーの再質問率の比較である。",
   "measured": "エージェント型検索が、失敗を知らせずに終わることの枠組みと本番の証拠",
   "studiedAi": [
    "研究用の独自システム"
   ],
   "studiedModels": "原文に記載なし（Adobe Express のエージェント型アシスタント）",
   "dataCollection": [
    "既存データの再分析"
   ],
   "dataCollectionDetail": "Adobe Express の本番観察（同一基盤のギャラリー検索とチャットを比較。要旨・本文）",
   "scale": "チャットのセッション量はギャラリーのおよそ8分の1。再質問率は44.4%対33.1%。セッション平均は2.04プロンプト（チャットは2.65）（要旨・本文）",
   "whereTheNumbersAre": "要旨（セッション量の約8分の1、再質問率44.4%対33.1%）。セッションあたりの平均プロンプト2.04（チャット2.65）は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.30423",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.30423"
  },
  {
   "arxivId": "2610.28272",
   "title": "How Language Models Learn Taste: Brand Preference in LLMs",
   "titleJa": "言語モデルはどう味を学ぶか：LLMにおけるブランドの好み",
   "authors": "Tapan Parikh",
   "submitted": "2026-10-20",
   "theme": "ブランド推奨・偏り",
   "summary": "走る靴のブランドを挙げさせると Nike、勧めさせると Brooks、といったずれが起きうる、として、モデルがどこでその好みを学ぶかを見ている。102モデル、42のブランドカテゴリで、挙げるブランドと勧めるブランドが26カテゴリで異なった。公開の学習パイプライン3つでは、事前学習の時点ですでに勧められるブランドが助言に結びつき、教師ありの指示調整ではほぼ動かず、好みの最適化（DPO）では3パイプラインすべてで11〜24ポイント動いた。好みのデータにはブランドがほとんどなく、ソースやケチャップからペストへ、といったブランド以外の判断にも及んだ、とされる。",
   "limitations": "OpenRouter 経由、temperature 1、2026-09-30から10-10に収集（本文）。1つの名前を挙げる質問はモデルとカテゴリあたり8回、2段階の選択は4回。Perplexity の Sonar はライブ検索のため除外。好みが裁判官モデルから来ると著者は疑うが、正確な経路は分からない、と書いている。",
   "measured": "言及（名前が出る）と第一推奨（1つ選べと言われて選ばれる）のずれ。ブランド選好",
   "studiedAi": [
    "公開モデル"
   ],
   "studiedModels": "102モデル（OpenRouter経由。Perplexity Sonarは除外。個別名称の完全な一覧は本文）",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "API（OpenRouter、temperature 1、各モデルの提供時の設定。収集は2026-09-30〜10-10。本文）",
   "scale": "102モデル、42のブランドカテゴリ。挙げる質問は8回、勧める2段階は4回（要旨・本文）",
   "whereTheNumbersAre": "要旨（102モデル、42カテゴリ、26カテゴリで不一致、DPOで11〜24ポイント）。収集経路は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.28272",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.28272"
  },
  {
   "arxivId": "2610.28454",
   "title": "Toolflation: Seller Agents Distort Tool Markets Through Spontaneous Generative Engine Optimization",
   "titleJa": "Toolflation：売り手エージェントが、自発的なGEOでツール市場を歪める",
   "authors": "Zhenwei Tang, Di Bai, Jintao Liu, Xidong Wu, Qianfeng Wen, Xinwu Cheng",
   "submitted": "2026-10-20",
   "theme": "買い物エージェント",
   "summary": "売り手エージェントがツールや商品の説明を書き、買い手エージェントがそれを読んで選ぶ市場を、Amazon と Instagram の実在データツールから作った。試した本番モデル5つすべてで、売り手は「より選ばれやすく」とだけ言われても説明を書き換え、自ツールが対象の半分未満でしか返さない項目まで主張した。これを toolflation と呼ぶ。能力の高いツールが、売り手モデルと販売元の10組み合わせのうち7つでシェアを失った。5つ目のモデルでは説明が互いに似て区別できなくなり、買い手は並び順で選び、ほとんど答えられないツールが選択の4分の1から5分の2を取り、課題成功は Amazon で89%から約30%、Instagram で77%から40%まで落ちた、と報告している。",
   "limitations": "売り手は各提供者のエージェントに載せる（Claude Code、Codex、Grok Build、DeepSeek Harness、Antigravity）。買い手は Claude Code と Codex。判定の一端に Gemini 3.8 Flash、別提供者の確認に Claude Opus 5 を使う（本文）。販売元ごとに Apify のツール10個。実験市場であり、一般の店頭そのものではない。",
   "measured": "売り手エージェントが、道具（ツール）市場を生成的な最適化で歪めるか（Toolflation）",
   "studiedAi": [
    "ChatGPT",
    "Claude",
    "Grok",
    "DeepSeek",
    "研究用の独自システム"
   ],
   "studiedModels": "Claude Code／Codex／Grok Build／DeepSeek Harness／Antigravity",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "Amazon と Instagram の実在データツールで作った実験市場（各質問ですべてのツールを走らせる、と要旨）",
   "scale": "販売元2、各10ツール。売り手モデルと販売元の組み合わせは10。詳細なラウンド数は本文",
   "whereTheNumbersAre": "要旨（5モデル、10組み合わせのうち7、成功率が89%→約30%、77%→40%）。エージェント名とツール数は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.28454",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.28454"
  },
  {
   "arxivId": "2610.25843",
   "title": "A Cue's Hidden Price: Auditing Seller Influence on AI Shoppers",
   "titleJa": "手がかりの隠れた値段：売り手がAIの買い物に与える影響を、価格に換算して測る",
   "authors": "Felix Buecheler, Gerardo Berbeglia, Mingyu Guo",
   "submitted": "2026-10-19",
   "theme": "買い物エージェント",
   "summary": "バッジや推薦文、言い回しといった売り手側の手がかりが、買い物エージェントの選択をどれだけ動かすかを、選ばれる頻度だけでは測り切れない、として、価格換算（PE）を提案している。手がかり付き商品の価格を上げ、半々で選ばれる点をその手がかりの値段とする。113,472試行、系統の異なる7モデル、商品カテゴリ2つで、同じ価格では95%以上選ばれて区別できない手がかりが6条件あった一方、価格換算では1.6%から21.4%まで幅があった、とされる。選択確率を直接出す決定モデル Jev でも試し、多くの手がかりには強い一方、最も強い社会的証明には弱さが残った、と報告している。",
   "limitations": "主集計の7モデルは、GPT-4o と GPT-4o mini、Claude Sonnet と Haiku、Nova Micro、Llama-3.3-70B、Llama-3.1-8B（Nova Pro は無回答が多く除外。本文）。Jev は追加。カテゴリはヘッドホンとコーヒーメーカー（各6ペア）。強制選択で位置を統制した実験であり、店頭の自由閲覧ではない。",
   "measured": "売り手側のキュー（手がかり）が、AIショッパーの選択に与える隠れたコスト",
   "studiedAi": [
    "ChatGPT",
    "Claude",
    "公開モデル",
    "研究用の独自システム"
   ],
   "studiedModels": "GPT-4o／GPT-4o mini／Claude Sonnet／Claude Haiku／Nova Micro／Llama-3.3-70B／Llama-3.1-8B／Jev",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "位置を統制した強制選択のオフライン実験（価格を上げて半々になる点を測る。要旨・本文）",
   "scale": "113,472試行。モデル7（主集計）。カテゴリ2（ヘッドホンとコーヒーメーカー、各6ペア）。価格は0〜26%の8段階、各条件24回（本文）",
   "whereTheNumbersAre": "要旨（113,472試行、7モデル、カテゴリ2）。手がかりの95%以上と価格換算1.6〜21.4%は本文。モデルの内訳も本文",
   "arxivUrl": "https://arxiv.org/abs/2610.25843",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.25843"
  },
  {
   "arxivId": "2610.26421",
   "title": "Self-Consistency of Entity Sets and Citations in a Deep Research System under Repeated Prompting",
   "titleJa": "同じ質問を繰り返したとき、ディープリサーチの固有名と引用はどれだけ一致するか",
   "authors": "Lauri Pykälä, Kimmo K. Kaski",
   "submitted": "2026-10-19",
   "theme": "調査エージェント",
   "summary": "市販のディープリサーチシステム1つについて、同じサイバーセキュリティ関連の開いた質問を繰り返し、報告書に出る固有名の集合と引用の集合がどれだけ重なるかを見た。10回の実行で、固有名のペアごとの Jaccard の中央値は0.12、引用の Jaccard は0.02未満で、発見曲線は見た目には飽和しなかった。集合のずれの大きさは固有名の種類で違い、自己一貫性はシステムの不変の性質というより、対象となる固有名の空間の関数として見る方がよい、と述べている。",
   "limitations": "対象は Google の Deep Research（本文の図は Gemini Deep Research とも表記）。短報（6ページ、3図）。質問は1つ。抽出に Gemini 2.5-flash、表記の正規化に gpt-5.4-mini を使う（本文）。製品の品質一般を測ったものではない。",
   "measured": "Deep Research 系が、同じ条件でエンティティ集合や引用を自己一貫して出せるか",
   "studiedAi": [
    "Gemini"
   ],
   "studiedModels": "Google の Deep Research（図では Gemini Deep Research とも表記）",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "同一プロンプトの反復実行（10回）と、報告書からの固有名・引用の抽出（本文）",
   "scale": "開いた質問1つを10回。ペアは45通り（本文）",
   "whereTheNumbersAre": "要旨（10回、固有名 Jaccard 中央値0.12、引用 Jaccard 0.02未満）。対象システムと抽出モデルは本文",
   "arxivUrl": "https://arxiv.org/abs/2610.26421",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.26421"
  },
  {
   "arxivId": "2610.30181",
   "title": "Deep Search in Real-World Web Environments",
   "titleJa": "現実のウェブ環境でのディープサーチ",
   "authors": "Xiaomin Yu, Hongliang Chen, Zhe Huang, Shilin Yan, Shao-Rong Su, Xuqiao Ma, Feiyang Wang, Jiayu Chen, Jiwei Fang, Yu Yan, Yini Huang, Chen Chen, Ruoxi Cheng, Yuzhi He, Yuhui Zhang, Xiaoxing Hu, Chen Liu, Jianbo Lin, Yijiang Li, Xiaobin Hu, Menglong Li, Zhuoran Lu, Weishi Wang, Zhongqi Yue, Chengwei ",
   "submitted": "2026-10-19",
   "theme": "調査エージェント",
   "summary": "調査エージェントが、生きたウェブで多段の探索を最後までできるかを見る課題 OpenDS と、ベンチマーク OpenDS-World を提案している。タスクは200件で、種類の違う情報やファイル、操作の必要なページを含み、人が証拠と答えの一意性を確かめた、とされる。同じツール環境で最先端モデル12を評価し、最高は GPT-6 Astra の正答率39.0%。人の独立した1,000回の試行では21.1%で、全担当者が解けなかった課題は42.5%あった、と本文は述べる。",
   "limitations": "12モデルは GPT-6 Astra、GPT-5.6 Sol、Claude Opus 5.5、Claude Fable 5.1、Gemini 3.8 Flash、Qwen3.8-Max、Qwen3.8-Flash、DeepSeek-V4.1-Flash、DeepSeek-V4-Pro、Kimi K3、GLM-5.3-Flash、GLM-5.3（本文）。統一したツールと実行手順の下での評価であり、各社の製品画面そのものではない。人がモデルより低いのは、独立試行の集計である。",
   "measured": "実世界のWeb環境でのディープサーチ",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Claude",
    "DeepSeek",
    "Kimi",
    "公開モデル"
   ],
   "studiedModels": "GPT-6 Astra／GPT-5.6 Sol／Claude Opus 5.5／Claude Fable 5.1／Gemini 3.8 Flash／Qwen3.8-Max／Qwen3.8-Flash／DeepSeek-V4.1-Flash／DeepSeek-V4-Pro／Kimi K3／GLM-5.3-Flash／GLM-5.3",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "生きたウェブでのディープサーチ評価（ウェブ検索、ブラウザ操作、証拠の処理を同じツール環境で実行。要旨・本文）",
   "scale": "課題200件。モデル12。人の独立試行は1,000回（要旨）",
   "whereTheNumbersAre": "要旨（200課題、12モデル、最高39.0%、人の1,000試行で21.1%）。モデル名と、全担当者が未解決の42.5%は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.30181",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.30181"
  },
  {
   "arxivId": "2610.26951",
   "title": "The Bottleneck Is Retrieval, Not Reading: Diagnosing Evidence-Based Generation with RAG for Long Context Question Answering",
   "titleJa": "ボトルネックは読むことではなく、取ってくること：長い文脈の質問応答で、根拠付き生成を診断する",
   "authors": "Debopriyo Banerjee, Owais Aijaz, Ahmer Tabassum, Zhuohan Xie, Preslav Nakov, Veselin Stoyanov",
   "submitted": "2026-10-18",
   "theme": "引用・出典選択",
   "summary": "類似度とチャンクに依るRAGには、質問が必要とする箇所を見越せず、文書をまたぐ参照を解くための文書全体の情報が落ちる、という構造上の死角がある、として、答えと行単位の出典を同時に出す根拠付き生成（EBG）と、正しさと根拠を同時に採点する Ans+Evid を提案している。MultiHop-RAG と QASPER-MP、合成の2ホップ、10K〜1M文字の NoLiMa 拡張で、専用の最先端モデル10とオープンウェイト3を試した。類似検索は「どれか1つ」は拾いやすいが「必要なすべて」は拾いきれず、チャンク化は身元に関わる質問に必要な文書のメタ情報を壊す、と報告している。",
   "limitations": "専用10は GPT-4o、GPT-4.1、o3-mini、GPT-5、GPT-5.5、Sonnet-4、Sonnet-4.5、Opus-4.6、Gemini-2.5-Fl、Gemini-3-Fl。オープン3は Fireworks.ai 経由の GPT-OSS-120B、GLM-5.2、Nemotron-3.5-Lightning-30B-A3B（本文）。長い文脈に直接渡す条件とRAGを比較した研究用評価であり、市販の検索付きチャット画面そのものではない。",
   "measured": "根拠に基づく生成のボトルネックが、読む側ではなく検索（retrieval）側にあることの診断",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Claude",
    "公開モデル"
   ],
   "studiedModels": "GPT-4o／GPT-4.1／o3-mini／GPT-5／GPT-5.5／Sonnet-4／Sonnet-4.5／Opus-4.6／Gemini-2.5-Fl／Gemini-3-Fl／GPT-OSS-120B／GLM-5.2／Nemotron-3.5-Lightning-30B-A3B",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "長い文脈への直接投入とRAGを比較するオフライン評価（本文。埋め込み検索のほか BM25 と Qwen3-Reranker-8B の記載あり）",
   "scale": "ベンチマークは MultiHop-RAG、QASPER-MP、合成2ホップ、10K〜1M文字の NoLiMa 拡張。モデルは13（要旨・本文）",
   "whereTheNumbersAre": "要旨（専用10とオープン3、コーパスと10K〜1M文字）。モデル名は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.26951",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.26951"
  },
  {
   "arxivId": "2610.23541",
   "title": "Humanity's Last Choice: A Common Evaluation Standard for Generative Engine Optimization",
   "titleJa": "Humanity's Last Choice：生成エンジン最適化の、共通の評価基準",
   "authors": "Qianfeng Wen, Yifan Simon Liu, Difan Jiao, Junda Wu, Di Bai, Jintao Liu, Xidong Wu, Zhenwei Tang",
   "submitted": "2026-10-16",
   "theme": "計測手法・再現性",
   "summary": "人がどのAIに後段の判断を預けるかは、GEOを受けたとき依頼をどれだけ果たすか、を比べられる証拠が要る、として、共通の評価基準を求めている。既存のベンチマークはGEOの作戦空間や編集の制約がばらばらで、アルゴリズムの良さと、どこまで編集してよいかの違いが混ざりうる、と指摘する。出典をどこで、どう直し、どの信号を狙うかを記述するメタ分類を提案し、文献上の作戦を検索できる空間に写し、カバー範囲を明示した比較手順を示している。",
   "limitations": "新しいモデル実測ではなく、文献に基づく整理とプロトコルの提案である（19ページ、2図。プロジェクトサイトあり）。対象エンジンの実測リストはない。",
   "measured": "GEO評価の共通基準の提案（Humanity's Last Choice）",
   "studiedAi": [],
   "studiedModels": "原文に記載なし",
   "dataCollection": [],
   "dataCollectionDetail": "文献に基づく整理と、比較手順の提案（要旨）。新規の収集実験ではない",
   "scale": "原文に記載なし（新規の実験データはなく、文献の整理と手順の提案）",
   "whereTheNumbersAre": "要旨（メタ分類とプロトコルの提案）。新規の実験規模は原文に記載なし",
   "arxivUrl": "https://arxiv.org/abs/2610.23541",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.23541"
  },
  {
   "arxivId": "2610.23709",
   "title": "GLOBE: Evolving Structured Agentic Memory for E-commerce Product Optimization in Generative Search",
   "titleJa": "GLOBE：生成検索向けの電子商取引で、構造化したエージェント記憶を育てる",
   "authors": "Hyunseo Kim, Suil Choe, Sukkyoung So, Daeyeon Yi",
   "submitted": "2026-10-16",
   "theme": "GEO手法・効果検証",
   "summary": "生成検索向けに商品ページを直すとき、うまくいった直し方を、プロンプトや軌跡の中に暗黙のまま残さず、欄ごとの振る舞いとしてハンドブックに蓄積する枠組み GLOBE を提案している。編集役が振る舞いを適用し、順位のフィードバックを受け、反省役が更新案を出し、司会と管理役が重複や有害な項目を除く。構造化した振る舞いの方が、一塊のプロンプト最適化より良く、フィードバックで育て、有害な項目を止めると効果と下振れの抑えがさらに良くなった、とされる。見たことのない商品カテゴリでも振る舞いが効いた、と報告している。",
   "limitations": "EMNLP 2026 の REALM ワークショップ採択。LLM部品は GPT-5.4、埋め込みの重複除きは all-MiniLM-L6-v2（本文）。移し先の比較に Qwen3.5-122B-A10B と Gemini-3.5-flash も使う。評価は Amazon の大分類から作ったセット（マクロカテゴリあたり150クエリ、候補10件）であり、ライブの ChatGPT 画面そのものではない。",
   "measured": "生成検索向けにEC商品ページを書き換えるエージェントの記憶・改善手法（GLOBE）",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "公開モデル"
   ],
   "studiedModels": "GPT-5.4／Qwen3.5-122B-A10B／Gemini-3.5-flash",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "Amazon カテゴリから構築した商品集合上のオフライン最適化実験（本文。候補10件の並べ替え）",
   "scale": "マクロカテゴリ6、各150クエリ、候補10件（本文）",
   "whereTheNumbersAre": "評価セットは本文（150クエリ×6マクロカテゴリ、候補10件）。モデルは本文 4.1節。可視性などの表は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.23709",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.23709"
  },
  {
   "arxivId": "2610.24081",
   "title": "Location, Location, Generation: Where You Ask Matters for Generative Engine Optimization",
   "titleJa": "場所、場所、生成：どこから聞くかが、生成エンジン最適化に効く",
   "authors": "Mahe Chen, Nick Koudas",
   "submitted": "2026-10-16",
   "theme": "地域・言語・質問条件",
   "summary": "生成検索の出典やブランドの見え方を、一か所からだけ見ることが多い、として、利用者の位置で引用がどう変わるかを統制して調べた。ChatGPT に宣言した位置19、ChatGPT と Gemini にネットワーク上の位置（要旨は5拠点）から、質問300を各2回送り、回答は31,200件、とされる。ChatGPT はアプリが宣言した位置（市区まで）に従い、自分の検索に地名を書き、質問に地名がなくても検索側が地域化する。ネットワークは無視する。Gemini は宣言位置を無視し、ネットワークの国に従い、場所に依らない質問でも出典の大半が変わった、と報告している。",
   "limitations": "短い報告（4ページ）。ChatGPT は gpt-5.4-mini の Responses API（ウェブ検索ツール）。宣言位置の実験（E1）は24,000回答で、同じネットワークから送る。一部は gpt-5.4 でも確認。Gemini は gemini-3.1-flash-lite に Google Search のグラウンディング（本文）。本文のネットワーク実験は、カナダの自接続とVPN（ニューヨーク、ロサンゼルス、ロンドン、シドニー）などを含む6セッション、と書いており、要旨の「5拠点」と数え方が異なる。",
   "measured": "質問する場所（ロケーション）がGEOの結果を変えるか",
   "studiedAi": [
    "ChatGPT",
    "Gemini"
   ],
   "studiedModels": "gpt-5.4-mini／gpt-5.4／gemini-3.1-flash-lite",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "API（ChatGPT は Responses API のウェブ検索ツール。Gemini は Google Search のグラウンディング。ネットワーク位置はVPN等。本文）",
   "scale": "質問300。宣言位置19。要旨はネットワーク拠点5、本文は6セッション。各2回で回答31,200（要旨・本文）",
   "whereTheNumbersAre": "要旨（質問300、宣言位置19、回答31,200）。APIとE1の24,000、Gemini の版は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.24081",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.24081"
  },
  {
   "arxivId": "2610.21330",
   "title": "VoteGEO-Bench: Measuring the Impact of Generative Engine Optimization on Electoral Visibility",
   "titleJa": "VoteGEO-Bench：生成エンジン最適化が、選挙での見え方に与える影響を測る",
   "authors": "Shiqi Zhang, Xiaokui Xiao",
   "submitted": "2026-10-15",
   "theme": "引用・出典選択",
   "summary": "選挙の情報にLLMが使われるとき、外部のウェブページの書き換え（GEO）が、提示される政治情報をどう変えるかを見るベンチマーク VoteGEO-Bench を提案している。2024年米大統領選と、2026年日本の衆議院選（比例の11政党）を対象に、質問、過去のウェブページ、有権者のペルソナを組む。引用の観察では、コストの低い自社発信や開放型プラットフォームからの出典が多く、日をまたいで見え続けるページもある、とされる。書き換え11種（4分類）では、対象を指定しない書き換えは見え方がほとんど増えず、指定すると増えやすい。構成を整える、議論で立場を強める、といった戦略の方が、証拠の追加や言い換えより伸びが大きかった、と報告している。",
   "limitations": "引用の観察では、ウェブ検索付きの gpt-4o-mini、gpt-5-mini、grok-4-1-fast、grok-with-x を残し、gemini-2.5-flash は引用URLが読める回答が7,700中10件しかなく除外した（本文）。日本側は投票助言の質問25、人口統計のペルソナ44、2026-02-02から02-08。米国側は有権者の判断に関わる質問260（573から絞る）。書き換え実験では検索をオフにし、用意したページ集合を渡す。米国のペルソナでは、明示的な党派の差が、1ページを書き換えた伸びより大きいことがある、とされる。",
   "measured": "選挙（日本・衆院選比例）をめぐる生成エンジンの引用と、GEO書き換えの効果（VoteGEO-Bench）",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Grok"
   ],
   "studiedModels": "gpt-4o-mini／gpt-5-mini／grok-4-1-fast／grok-with-x／gemini-2.5-flash",
   "dataCollection": [
    "API",
    "研究用の環境"
   ],
   "dataCollectionDetail": "引用の観察はウェブ検索付きのエンジン回答。書き換え実験は、用意したページ集合を渡し検索をオフ（本文）",
   "scale": "日本は質問25、ペルソナ44、収集は2026-02-02〜02-08、比例11政党。米国は質問260（573から採択）、エンジンと日の組み合わせ26、クエリセル650（本文）",
   "whereTheNumbersAre": "本文（4エンジン、gemini-2.5-flash 除外、日本は25問・44ペルソナ・11政党、米国は260問）。戦略数11・4分類は要旨",
   "arxivUrl": "https://arxiv.org/abs/2610.21330",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.21330"
  },
  {
   "arxivId": "2610.21731",
   "title": "Retrieved but Not Read: Understanding Why Search-Augmented LLMs Fail to Use Available Evidence",
   "titleJa": "検索では見つかっても読まれない：検索付きLLMが、使える根拠を使わない理由",
   "authors": "Owen Walters, Lihu Chen, Francesca Toni",
   "submitted": "2026-10-15",
   "theme": "引用・出典選択",
   "summary": "GPT-5.6 Lunaのnative searchでは、抜粋だけで答えた割合が53.6%でした。7つの構成をまとめると、抜粋だけの回答が古い値になる割合は6.4%でした。開いたページを引用したときに古い値になる割合は、1.3%でした。対象の事実は、本文の評価集合では223件と書かれています。",
   "limitations": "主対象はGPT-5.6 Lunaのnative searchです。Brave APIによる凍結検索との比較もあります。一般向けの画面での割合は、本文では検証していません。付録Table 7の53.6%は、GLM-5.3-Flashの検索なし正答率であり、別の数字です。",
   "measured": "検索でページを見つけても、本文を開かず抜粋だけで答える割合と、そのときの誤り",
   "studiedAi": [
    "ChatGPT"
   ],
   "studiedModels": "GPT-5.6 Luna",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "混在（native search と Brave API の凍結検索。一般向け画面での同率は未検証）",
   "scale": "225事実。抜粋のみ回答53.6%。抜粋のみのとき古い値6.4%（開いたページ引用時は1.3%）",
   "whereTheNumbersAre": "53.6%は第4.1節およびTable 1（GPT-5.6 Lunaのnative searchで、抜粋のみの回答の割合）。6.4%と1.3%は第4.1節およびTable 2（7構成をまとめたとき、抜粋のみの回答が古い値になる割合6.4%、開いたページを引用したときの1.3%）。Table 2には、抜粋のみの不忠実な引用も6.4%と出る。付録Table 7の53.6%はGLM-5.3-Flashの検索なし正答率で、別の数字。評価した事実数223はTable 8",
   "arxivUrl": "https://arxiv.org/abs/2610.21731",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.21731"
  },
  {
   "arxivId": "2610.19608",
   "title": "Forecasting Brand Mentions in LLM Answers: Frozen Predictions Evaluated from Hours to Weeks",
   "titleJa": "LLM回答におけるブランド言及の予測：凍結した予測を、数時間から数週間後まで評価する",
   "authors": "Dmitrij Żatuchin",
   "submitted": "2026-10-14",
   "theme": "計測手法・再現性",
   "summary": "買い手向けの質問54件について、凍結した予測を、最大約7週間後まで評価しました。質問は9系統で、英語、エストニア語、フィンランド語を対象にしています。当初の20日間の再現に加え、後続の収集でも傾向は続いた、と報告しています。1回だけの確認は誤りやすく、複数回・複数時点で測る方がよい、と論じています。",
   "limitations": "主モデルはgemini-3.1-pro-previewです。取得はGemini APIで、Google Searchツールは使えますが、使うかどうかはモデル側の選択です。強制した波もあります。v2（2026-11-15）で、当初の20日の再現に後続の波を足しています。",
   "measured": "LLM回答でのブランド言及を、時間を置いて予測できるか（凍結した予測の評価）",
   "studiedAi": [
    "Gemini"
   ],
   "studiedModels": "gemini-3.1-pro-preview",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "API（Tallinnからの Gemini API。主モデル gemini-3.1-pro-preview、Google Search ツール利用可、temperature 1.0。本文 3.2節）",
   "scale": "54問×3言語",
   "whereTheNumbersAre": "要旨および本文3.2節・第4節（54問、言語と市場、20日の再現と最大約7週間の後続）。1.5時間後のBrierスコア等は本文4.1節",
   "arxivUrl": "https://arxiv.org/abs/2610.19608",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.19608"
  },
  {
   "arxivId": "2610.20162",
   "title": "Gap Detection: Mitigating Homogenization through Demand and Defensibility",
   "titleJa": "隙間の検出：需要と防御可能性で、回答の同質化を抑える",
   "authors": "Xucheng Yu, Haibo Jin, Xiaoqi Wang, Runze Kong, Haohan Wang",
   "submitted": "2026-10-14",
   "theme": "計測手法・再現性",
   "summary": "開いた質問に対して、ありうる答えがいくつもあっても、言語モデルの回答は意味のうえで似やすい、として、埋め込み空間で「質問には合うが、既にある答えがまだ占めていない向き」を探す枠組み Gap Detection を提案している。目的関数 GapScore は、質問との関連（需要）と、最も近い既存項目との違い（防御可能性）を掛け合わせる。選んだ5話題で衝突が平均12.8%、INFINITY-CHAT の90質問で10.8%相対的に減った、とされる。商品市場4つの生成エンジン最適化と、合成データの積み増しにも適用している。",
   "limitations": "v2（最終改訂 2026-10-16）。概念語の適合確認に GPT-4o-mini を使う（本文）。合成データでは方法あたり訓練例100、衝突が0.324から0.298、Vendi Score が27.16から29.20、精度の差はテスト40例で1例、と要旨。幾何の新しさと、課題として妥当かは分けて見る、とされる。本番の検索付きチャットの引用率を測った論文ではない。",
   "measured": "",
   "studiedAi": [],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "埋め込み空間でのオフライン実験（5話題と INFINITY-CHAT、および商品市場4つへの適用。要旨・本文）",
   "scale": "選んだ5話題と、INFINITY-CHAT の90質問。合成データは方法あたり訓練例100、テスト40例（要旨）",
   "whereTheNumbersAre": "要旨（衝突の相対減少12.8%と10.8%、90質問、訓練例100、衝突0.324→0.298、Vendi 27.16→29.20）。GPT-4o-mini は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.20162",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.20162"
  },
  {
   "arxivId": "2610.15382",
   "title": "Understanding ChatGPT Citations: Evidence from Production Web Search Across Model Generations",
   "titleJa": "ChatGPT の引用を理解する：モデル世代をまたいだ、本番ウェブ検索の証拠",
   "authors": "Yunxuan Jiang, Shiqi Zhang, Anqi Xing, Xiangyu Chang, Xiaokui Xiao",
   "submitted": "2026-10-11",
   "theme": "引用・出典選択",
   "summary": "ChatGPT Web はウェブページを取ってくるが、引用として出るのはその一部である、として、ChatGPT 5.2から5.5の4設定（Instant と Thinking）で、質問の言い換え、候補の取得、出典の選択を観察した。Instant はほぼ1ラウンド、GPT-5.4 Thinking は複数回の取得が多い。繰り返し実行で、よく取ってくる候補ほど引用されやすい。外部の近似として Google 検索と OpenAI Responses API を比べると、後者の引用の方が ChatGPT Web の出典に近く、ホスト名や主体の単位ではURL単位より一致しやすい。両者を合わせても、引用URLの約4分の1しか拾えない、と報告している。",
   "limitations": "観察研究（10ページ）。質問は80件（意図4種、中国語と英語が各10件×4、本文）。GPT-5.5 の実行は短縮した事例研究、とされる。ChatGPT Web のサーバー送信イベント（SSE）を読む。外部信号を組み合わせた教師ありモデルは、外部候補の中で GPT-5.3 と GPT-5.5 の3単位すべてで AUC が0.74超、と要旨。",
   "measured": "本番のWeb検索を通じた ChatGPT の引用（モデル横断）",
   "studiedAi": [
    "ChatGPT"
   ],
   "studiedModels": "ChatGPT Web（5.2から5.5、Instant と Thinking）",
   "dataCollection": [
    "利用者と同じ画面",
    "API"
   ],
   "dataCollectionDetail": "ChatGPT Web のサーバー送信イベント（SSE）の観察と、同じ3日間での Google 検索および OpenAI Responses API との比較（本文）",
   "scale": "質問80件（意図4種、中国語・英語各10件×4。本文）。設定は4。繰り返し実行あり（要旨・本文）",
   "whereTheNumbersAre": "要旨（4設定、引用URLの約4分の1、AUC 0.74超）。質問80件の内訳は本文",
   "arxivUrl": "https://arxiv.org/abs/2610.15382",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.15382"
  },
  {
   "arxivId": "2610.15033",
   "title": "What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization (GEO)",
   "titleJa": "AIの引用を動かすものは何か：GEOにおける内容・検索・モデルの知識",
   "authors": "Mahe Chen, Nick Koudas",
   "submitted": "2026-10-10",
   "theme": "引用・出典選択",
   "summary": "サイトの内部でページを比べると、タイトルと段落が利用者の質問の内容と合っているページほど、引用が多い傾向がありました。調べた対象は、ChatGPT、Gemini、Perplexityです。論文の「title」は、ページの題名テキストと質問の近さとして、第3.2節で定義されています。HTMLのtitleタグか、ページ内の大見出しなのかは、本文に書き分けがありません。見出しの個数は、別の構造の指標として数えています。ChatGPTの90日間の引用回数では、サイト内のばらつきの32%を、検索で拾われたかが説明しました。ページの特徴を全部合わせても、説明できたのは2.8%でした。",
   "limitations": "取得はAPIで、一般向け画面と一致するとは限りません。観察期間は2026年6月24日から9月21日、質問は651件です。回答数は、ChatGPTが58,590件、Geminiが26,069件、Perplexityが58,590件でした。示した数字は関連であり、因果は示していません。",
   "measured": "生成エンジンの引用を決めるのが、ページの作りか、その回の検索で拾われたか、モデルの記憶か",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Perplexity"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "API",
   "scale": "90日×2市場・約15.8万回答。英語・米国の商用質問",
   "whereTheNumbersAre": "titleの定義は本文第3.2節（title / first-paragraph / best-paragraph match）。32%と2.8%は第6.4節およびTable 3（ChatGPTの90日間の引用回数、6,178ページ、362サイト）。回答数と期間はTable 1（24 June–21 September 2026、651 queries）",
   "arxivUrl": "https://arxiv.org/abs/2610.15033",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.15033"
  },
  {
   "arxivId": "2610.11932",
   "title": "From Public Posts to AI-Search Citations: Measuring the Fragility of AI Search",
   "titleJa": "公開投稿からAI検索の引用へ：AI検索の脆さを測る",
   "authors": "Qi Liu, Geng Hong, Xinyang Zhang, Pei Chen, Yutong Li, Min Yang",
   "submitted": "2026-10-08",
   "theme": "攻撃・差し込み",
   "summary": "架空の概念を公開したところ、調べた10のAI検索のうち8つが、7日以内に引用しました。引用されやすい媒体の記事1本が、されにくい媒体の投稿20本超より効いた例もありました。有料のGEO投稿では、設計した印を含む内容が1時間以内に引用された例もありました。",
   "limitations": "一連の実験は2026年3月から4月です。対象は、Grok、Doubao、ChatGPT、Wenxin、Google AIです。加えて、Yuanbao、Perplexity、DeepSeek、Kimi、Qwenです。中国向けのサービスが多い構成です。収集は主にブラウザ自動化で、方針の節では公開Web画面または公式APIとも書いています。",
   "measured": "公開投稿やGEO施策が、10のAI検索の引用をどれだけ早く、どの媒体経由で動かすか（脆さ）",
   "studiedAi": [
    "ChatGPT",
    "Google AI Overviews",
    "Perplexity",
    "Grok",
    "DeepSeek",
    "Doubao",
    "Kimi",
    "Yuanbao",
    "Wenxin",
    "公開モデル"
   ],
   "studiedModels": "Grok／Doubao／ChatGPT／Wenxin／Google AI／Yuanbao／Perplexity／DeepSeek／Kimi／Qwen",
   "dataCollection": [
    "利用者と同じ画面"
   ],
   "dataCollectionDetail": "ブラウザ",
   "scale": "架空の言葉の投稿を、10サービス中8つが7日以内に引用。引用されやすい媒体の1本が、されにくい媒体の20本超より効いた。自前ブログ40本は1週間引用ゼロ",
   "whereTheNumbersAre": "要旨および本文（10中8、7日以内、20本超より効いた例、1時間以内の例）。プラットフォーム一覧は本文の引用件数表",
   "arxivUrl": "https://arxiv.org/abs/2610.11932",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.11932"
  },
  {
   "arxivId": "2609.40069",
   "title": "Conversational Capture: A Trajectory-Level Framework for Evaluating Generative Engine Optimization in Multi-turn Human-Agent Interaction",
   "titleJa": "Conversational Capture：複数ターンの対話でGEOを評価する枠組み",
   "authors": "Junwei Yu, Jieyu Zhou, Mufeng Yang, Yepeng Ding, Hiroyuki Sato",
   "submitted": "2026-09-30",
   "theme": "会話・マルチターン",
   "summary": "数値例では、1ターンだけの順位と、会話全体の順位がずれました。論文は、一問一答ではなく、会話の軌跡レベルで生成エンジン最適化を評価する枠組みを提案しています。出典が一度引用されると、再び引用されやすくなる経路と、答えが次の質問をそちらへ寄せる経路を分けて測れる、としています。",
   "limitations": "特定の商用モデルを実測した論文ではなく、数式と数値例が中心です。数値例はターン数10、方法セットの無作為抽出は5万回です（本文7.1節）。実サービスのクエリ件数などの実験規模は書いていません。",
   "measured": "一問一答ではなく、会話の軌跡レベルで生成エンジンを評価する枠組み（Conversational Capture）",
   "studiedAi": [],
   "studiedModels": "原文に記載なし",
   "dataCollection": [],
   "dataCollectionDetail": "原文に記載なし（閉ループの数式と数値例であり、実サービスの収集実験ではない）",
   "scale": "数値例は T=10 ターン。方法セットの無作為抽出は 5×10^4 回（本文 7.1節）。実サービスのクエリ件数などの実験規模は原文に記載なし",
   "whereTheNumbersAre": "本文7.1節（ターン数10、δ=0.12、β=0.6などの数値例、5×10^4回の無作為抽出）",
   "arxivUrl": "https://arxiv.org/abs/2609.40069",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.40069"
  },
  {
   "arxivId": "2609.34951",
   "title": "AX is the New AEO",
   "titleJa": "AXこそ、新しいAEOである",
   "authors": "Ido Finder, Assaf Elovic, Gad Shalev, Liad Yosef",
   "submitted": "2026-09-28",
   "theme": "基盤・用語（GEO原典）",
   "summary": "答えエンジンに「出ること」だけでは足りず、エージェントが何段も検索して事業のサイトを取って読めるか（エージェント体験、AX）が結果を決める、と論じている。実在の事業1,056、独立した実行環境4つで、買い手の質問に対するエージェントの行程を37,927回走らせた。完成した答えのうち学習知識から来るのは7〜10%にとどまり、エージェントが読めるサイトでは自社ページから答えが組まれる割合が78%（読めない側は56%）、明確に勧める割合は1.9倍、読めない事業について根拠のある答えを出すコストは平均64%高い、とされる。事業・環境・質問を固定すると、サイトから組んだ答えは平均41%正確で、主な失敗は作り事ではなく、買い手が聞いた事実が一つもない省略（ウェブ由来の答えで3.7倍）だった、と報告している。",
   "limitations": "v3（最終改訂 2026-10-06）。4つの実行環境は claude-agent-sdk（claude-sonnet-4-6）、claude-code（claude-haiku-4-5）、openclaw（gpt-5.4-mini、Tavily）、eve（gpt-5.4、Tavily）（本文 Table 2）。明確な推奨率は環境で最大7倍違い、隙間はどれでも残る、と要旨。実験用の行程であり、一般利用者の画面そのものではない。",
   "measured": "「AX」（Answer Experience 等）と AEO の関係についての議論、と標題から読める",
   "studiedAi": [
    "ChatGPT",
    "Claude"
   ],
   "studiedModels": "claude-sonnet-4-6／claude-haiku-4-5／gpt-5.4-mini／gpt-5.4",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "実在事業に対するエージェント行程の実験（4つの独立した実行環境。要旨・本文）",
   "scale": "行程37,927、事業1,056、実行環境4（要旨）",
   "whereTheNumbersAre": "要旨（37,927行程、1,056事業、4環境、7〜10%、78%対56%、1.9倍、+64%、+41%、省略3.7倍）。環境の内訳は本文 Table 2",
   "arxivUrl": "https://arxiv.org/abs/2609.34951",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.34951"
  },
  {
   "arxivId": "2609.35077",
   "title": "What Drives Citations in Production Large Language Models? An Observational Multi-Method Study of Two Million AI Citations Across Ten Thousand Web Pages",
   "titleJa": "本番LLMの引用は何が決めるか：200万件のAI引用と、1万ページの観察研究",
   "authors": "Ben Moore, Liam Dunne",
   "submitted": "2026-09-28",
   "theme": "引用・出典選択",
   "summary": "本番の大規模言語モデルが、生成した答えとともにウェブページを引用するとき、ページ側のどの特徴が引用の多さを予測するかを、観察研究で見ている。ChatGPT、Claude、Google AI、Gemini の4エンジンから約6か月で約200万件の引用を集め、19のB2B SaaSワークスペースからクロールした1万ページと結合した。複数の方法で検査を通った結果として、ページとワークスペースの質問全体との語の重なり（Jaccard）が最も強く（beta=+0.37）、よく言われるAEOのチェック項目（FAQ、構造化データ、Core Web Vitals）は、ドメインの固定効果を入れると符号が逆転するかゼロになる（シンプソンのパラドックス）、ドメイン全体のAI上の権威は、アライメント以外で最も強いページ特徴の平均絶対SHAPの6倍、と要旨は述べる。",
   "limitations": "観察研究であり、因果実験ではない。4エンジンの版の詳細は要旨にない。要旨は先に「4点」と書くが、列挙されているのは上記の3点である。分析手順は公開する、とされる。",
   "measured": "本番LLMの引用頻度を、ページ特徴（FAQ・schema・CWV 等）で説明する観察研究",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Google AI Overviews",
    "Claude"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "既存データの再分析"
   ],
   "dataCollectionDetail": "4エンジンの引用の観察と、1万ページのクロールを結合した多方法の分析（要旨）",
   "scale": "約200万件の引用、1万ページ、19のB2B SaaSワークスペース、約6か月（要旨）",
   "whereTheNumbersAre": "要旨（約200万件、1万ページ、19ワークスペース、6か月、beta=+0.37、SHAPで6倍）",
   "arxivUrl": "https://arxiv.org/abs/2609.35077",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.35077"
  },
  {
   "arxivId": "2609.37469",
   "title": "Relevance Is Not Sufficient Evidence: Detecting Evidence Gaps Before Generation in RAG",
   "titleJa": "関連だけでは、十分な根拠ではない：RAGで生成する前に、根拠の不足を見つける",
   "authors": "Suting Chen, Peichun Hua, Yunming Xiao",
   "submitted": "2026-09-27",
   "theme": "RAG・根拠提示",
   "summary": "RAGで取ってきた段落は、名前は合っていても答えに必要な事実がないことがある、として、生成する前に、質問と根拠だけで足りるかを判断できるかを調べている。控えよと指示しても、生成モデル12は根拠不足の質問の40.0〜99.3%に答えてしまった。RINSE は、質問の各部分が覆われているか、どれかの段落が答えを出すか、小さな言語モデルが段落をまとめて十分だと見るか、の3信号を組み合わせる。6データセットで、十分な根拠を不十分なものより上に置く得点は0.837（偶然は0.5）で、先行10手法の最良（0.746）と、API経由の最先端モデル（0.784）を上回った、と報告している。",
   "limitations": "生成モデル12は Qwen3（0.6B〜32B）、SmolLM2-135M、Llama-3.2-1B、Mistral-7B-v0.2、Falcon3-7B、Zephyr-7B-beta、Phi-4 など（本文）。最先端モデルのAPI比較は Amazon Bedrock の us.openai.gpt-6-luna（本文）。根拠不足のテストの作り方自体に落とし穴がある、と著者は注意している。1GPUで1問あたり36.5ms、とされる。",
   "measured": "関連性だけでは根拠として足りないことを、生成前に検出する",
   "studiedAi": [
    "ChatGPT",
    "公開モデル"
   ],
   "studiedModels": "Qwen3（0.6B／1.7B／4B／8B／14B／32B）／SmolLM2-135M／Llama-3.2-1B／Mistral-7B-v0.2／Falcon3-7B／Zephyr-7B-beta／Phi-4／us.openai.gpt-6-luna",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "根拠の十分さを、答えを出す前に判定するオフライン評価（6データセット。要旨）",
   "scale": "データセット6、生成モデル12、先行手法10（要旨）",
   "whereTheNumbersAre": "要旨（40.0〜99.3%、0.837、先行0.746、API 0.784、36.5ms）。12モデルとAPIの識別子は本文",
   "arxivUrl": "https://arxiv.org/abs/2609.37469",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.37469"
  },
  {
   "arxivId": "2609.29145",
   "title": "Claim-Gated Source-Risk Auditing for Generative Search",
   "titleJa": "生成検索のための、主張で門をかけた出典リスクの確認",
   "authors": "Kainan Zhou, Chuhong Xu, Gangzhen Qian, Zhaoyi Li",
   "submitted": "2026-09-24",
   "theme": "引用・出典選択",
   "summary": "生成検索の答えは、支えのある箇所を引用していても、解釈を変える出典との関係を省くことがある、として、質問・出典・答えの組を、主張で門をかけて確認する仕様を定めている。関係の証拠、答えへの採用、重要性、開示がすべて観察されたときだけ省略を確定し、証拠が欠けたものは独立と見なさず未解決のまま残す。参照実装は、網羅的な合成一式で3値述語の81通りをすべて再現し、わざと崩した192件を拒否した、とされる。",
   "limitations": "IEEE AI2A 2026採択の著者最終稿（v2、最終改訂 2026-10-09）。有限の契約適合の結果であり、検出の精度でも、利用者の成果が良くなった証拠でもない、と著者自身が書いている。意味の妥当性と導入の便益を示すには、独立した注釈、控えの評価、対の効用試験がまだ必要、とされる。",
   "measured": "生成検索における、主張にゲートした出典リスクの監査",
   "studiedAi": [],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "合成した記録一式での契約適合試験（要旨）。市販エンジンからの収集実験ではない",
   "scale": "3値述語の組み合わせ81通りと、わざと崩した記録192件（要旨）",
   "whereTheNumbersAre": "要旨（81通り、192件の崩した記録）",
   "arxivUrl": "https://arxiv.org/abs/2609.29145",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.29145"
  },
  {
   "arxivId": "2610.00253",
   "title": "System Attribution in LLM Brand Recommendations: Single Responses Identify the System, Aggregated Brand Profiles Do Not Transfer",
   "titleJa": "LLMのブランド推奨でシステムを帰属する：単一の回答はシステムを識別し、集計したブランドの姿は移らない",
   "authors": "Dmitrij Żatuchin",
   "submitted": "2026-09-23",
   "theme": "ブランド推奨・偏り",
   "summary": "AIの見え方調査が、本番モデルのブランド推奨をシステムごとの姿にまとめるとき、その姿がシステムを記述するかを、保存回答6,475件（分析可能6,324件）で試している。期間は2025年12月から2026年2月、エンドポイントは GPT-5.2、Gemini 3 Flash、検索付き Gemini 3 Flash、Grok、Perplexity sonar-pro の5つ。各回答を先頭800文字に揃えた文字n-gram分類器は、質問で交差検証して1回答を97.84%で帰属した（5,028回答、383プロンプト）。50の集計単位では12の行動特徴で4システムを66.53%しか分けられず、領域をまたぐと集計の姿は失敗する（ギフト単位22をすべて誤帰属）一方、単一回答はバランス精度89.92%で移った、と報告している。",
   "limitations": "撤回されていない。コメントは、付録Dが前の原稿への訂正を記す、とだけ述べる。収集ハーネスの1,024トークン上限で、カテゴリ所有の Gemini 3 Flash 回答の83.1%が文の途中で切れた。検索で根拠を渡す腕では、Grok の回答は1件も Grok に帰属されなかった（0/120）。領域やハーネスとシステムを切り離せない、と著者も書いている。APIアクセスは Rankfor.AI が支払った、という開示がある。",
   "measured": "LLMのブランド推薦を、1件の回答から「どのシステムか」識別できるか。集計したブランドプロファイルは領域を超えて転移するか",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Perplexity",
    "Grok"
   ],
   "studiedModels": "GPT-5.2／Gemini 3 Flash／検索付き Gemini 3 Flash／Grok／Perplexity sonar-pro",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "5つの本番エンドポイントからの保存回答（APIアクセス、と本文。収集ハーネスに1,024トークンの出力上限）",
   "scale": "保存回答6,475件（分析可能6,324）。2025年12月〜2026年2月。分類器の主分析は5,028回答、383プロンプト（要旨）",
   "whereTheNumbersAre": "要旨（6,475/6,324、97.84%、83.1%、66.53%、89.92%、0/120）。5エンドポイントも要旨",
   "arxivUrl": "https://arxiv.org/abs/2610.00253",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.00253"
  },
  {
   "arxivId": "2609.25189",
   "title": "GroundedGEO: Auditing the Evidence Gap in Generative Search Rankings",
   "titleJa": "GroundedGEO：生成検索の順位における、根拠の隙間を調べる",
   "authors": "Yihan Xia, Huiling Fan, Kangrong Zhong, Taotao Wang",
   "submitted": "2026-09-21",
   "theme": "買い物エージェント",
   "summary": "生成検索の順位付けは、関連して見える文と、事実に支えられた詳細を、文面だけでは区別できない、として、その識別の隙間を調べている。電子商取引の質問50、1,950ケースの、根拠と対にしたベンチマークと、渡したパケットに支えがない主張を減点する並び替え GroundedGEO を使う。凍結したリストワイズの Qwen2.5-7B では、支えのない豊かな変種が、きれいな候補より正規化した順位を有意に上げた（+0.065〜+0.092）。支えのある対照や中立では上がらず、効果はモデル次第（MiMo-v2.5 では境界的、GLM-5.3-Flash では見られない）、とされる。",
   "limitations": "研究用の Qwen2.5-7B であり、ライブの ChatGPT ではない。自動判定は、事前登録した信頼性の門をどれも越えなかった。最良のローカル判定は、オラクル抑制の79〜100%を保ち、守られた腕では誤抑制は0、とされる。これらは診断効果であり、自動防御の妥当化ではない、と著者は書いている。",
   "measured": "根拠なく盛った商品説明が、生成検索のおすすめ順位を上げるか（GroundedGEO）",
   "studiedAi": [
    "公開モデル"
   ],
   "studiedModels": "Qwen2.5-7B／MiMo-v2.5／GLM-5.3-Flash",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "根拠と対にしたベンチマーク上のオフライン順位付け実験（要旨）",
   "scale": "電子商取引の質問50、1,950ケース（要旨）",
   "whereTheNumbersAre": "要旨（50クエリ、1,950ケース、+0.065〜+0.092、top-3 が0.65→0.43、誤抑制+0.307）",
   "arxivUrl": "https://arxiv.org/abs/2609.25189",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.25189"
  },
  {
   "arxivId": "2609.22655",
   "title": "Scoring With the Engine: Retrieval Exposure, Cross-Engine Divergence, and the Limits of Engine-Agnostic GEO Scores",
   "titleJa": "エンジンとともに採点する：取得への露出、エンジン間のずれ、エンジンを問わないGEO得点の限界",
   "authors": "Benjamin Tannenbaum",
   "submitted": "2026-09-19",
   "theme": "引用・出典選択",
   "summary": "エンジンを使わないページ得点で、生成エンジンでの見え方を近似できるか、という議論に対し、ライブエンジンへの露出と、露出したうえでの引用選択を分けるべきだ、と論じている。2026年6月6日、固定の商用プロンプト15を ChatGPT、Microsoft Copilot、Google、Perplexity の4画面で観察し、引用は589件（固有URL 528、ドメイン356）だった。同じ質問でのエンジン間URL重複はごく小さく、平均ペア Jaccard は0.0079、中央値は0、エンジン対の84.9%は引用URLを1つも共有しなかった。4エンジンすべてで見た10プロンプトでは平均0.0072で、同じ大きさの超幾何ベースライン0.1272の5.7%にすぎない。観察URLの96.4%は1エンジンにしか出ず、5〜6日の同一エンジン比較ではURL集合の平均入れ替わりが67.0%だった、と報告している。",
   "limitations": "arXiv:2609.07559 を補う観察である。エンジンを使わない得点を無効化するのではなく、それが測れる対象（ページの質や質問との適合）と、端から端までの見え方（露出と選択にも依る）を区別すべきだ、と著者は述べる。APIかブラウザかの語は、確認した範囲では「4つのライブ検索画面」とだけ書かれている。",
   "measured": "エンジン間で引用URLがどれだけ重なるか、検索での露出との関係",
   "studiedAi": [
    "ChatGPT",
    "Google AI Overviews",
    "Perplexity",
    "Copilot"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "利用者と同じ画面"
   ],
   "dataCollectionDetail": "4つのライブ検索画面の観察（2026-06-06の主観察と、5〜6日の同一エンジン比較。要旨）",
   "scale": "固定プロンプト15、引用観察589件、固有URL 528、ドメイン356（要旨）",
   "whereTheNumbersAre": "要旨（15プロンプト、589件、528 URL、356ドメイン、Jaccard 0.0079、96.4%、入れ替わり67.0%）",
   "arxivUrl": "https://arxiv.org/abs/2609.22655",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.22655"
  },
  {
   "arxivId": "2609.23053",
   "title": "Attributable Post-Rationalization in RAG Citations: A Controlled Reproduction and an RLVR Comparison",
   "titleJa": "RAG引用における後づけの根拠付け：再現実験とRLVR比較",
   "authors": "Mehedi Khan, Md. Shariful Islam Bhuyan",
   "submitted": "2026-09-19",
   "theme": "RAG・根拠提示",
   "summary": "RAGで渡した文書から根拠を選ぶとき、答えを先に書いて、近い文章に後から出典を付ける後づけが起きうると報告しています。正解でない側の文章に、答えの言葉を少し足すと、そちらを根拠にしやすくなりました。正解を報酬にする強化学習が、後づけを減らすかどうかも比較しています。調べた対象は、Qwen2.5-7B-Instructです。",
   "limitations": "基点はQwen2.5-7B-Instructです。比較対象は、Search-R1、ReSearch、R-Searchの公開重み実験です。実サービスの検索付き回答とは、条件が違います。",
   "measured": "RAGで渡した文書から根拠を選ぶとき、答えを先に決めて後づけしていないか",
   "studiedAi": [
    "公開モデル"
   ],
   "studiedModels": "Qwen2.5-7B-Instruct",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "オープンウェイトの実験（基点は Qwen2.5-7B-Instruct。Search-R1、ReSearch、R-Search と比較。本文 4節）",
   "scale": "",
   "whereTheNumbersAre": "本文4節および結果（モデルとデータセット）。規模の細部は本文の実験設定",
   "arxivUrl": "https://arxiv.org/abs/2609.23053",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.23053"
  },
  {
   "arxivId": "2609.08861",
   "title": "API Benchmark Scores Do Not Reliably Transfer to Chatbot Interfaces",
   "titleJa": "APIのベンチマーク得点は、チャット画面へそのまま移らない",
   "authors": "Jennifer Wang, Joachim Baumann, Daniel E. Ho, Sanmi Koyejo",
   "submitted": "2026-09-08",
   "theme": "APIと画面の差",
   "summary": "モデル公開で重視されるベンチマーク得点は、APIで測った性能が、実際の画面の振る舞いを正しく表す、という前提に依っている、として、その前提を ChatGPT、Claude、Gemini の7システム、9ベンチマーク（一般能力、社会的偏り、迎合）で調べた。平均してAPI評価は、対応する画面評価より正確さが3.4ポイント、再テスト一致が2.1ポイント高かった。ChatGPT では、APIと画面の差が、APIだけで見た GPT 5.3 と GPT 5.4 の差に匹敵した。システムプロンプトや標本化、推論の設定を変えても、隙間は安定して埋まらなかった、と報告している。",
   "limitations": "v3（最終改訂 2026-10-08）。7システムは GPT 5.3 Instant、GPT 5.4 Thinking、Claude Haiku 4.5、Claude Sonnet 4.6、Claude Opus 4.6、Gemini 3 Flash Fast、Gemini 3 Flash Thinking（本文 Table 1）。ツールを切ったベンチマーク比較であり、ブランド露出の比較ではない。",
   "measured": "ツール（Web検索など）を切った状態での、APIベンチマーク正答率がチャット画面に転移するか",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Claude"
   ],
   "studiedModels": "GPT 5.3 Instant／GPT 5.4 Thinking／Claude Haiku 4.5／Claude Sonnet 4.6／Claude Opus 4.6／Gemini 3 Flash Fast／Gemini 3 Flash Thinking",
   "dataCollection": [
    "利用者と同じ画面",
    "API"
   ],
   "dataCollectionDetail": "同一課題を、各システムのAPIとチャット画面の両方で評価する比較（要旨・本文）",
   "scale": "システム7、ベンチマーク9（要旨）",
   "whereTheNumbersAre": "要旨（7システム、9ベンチマーク、正確さ+3.4ポイント、再テスト一致+2.1ポイント）。システム識別子は本文 Table 1",
   "arxivUrl": "https://arxiv.org/abs/2609.08861",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.08861"
  },
  {
   "arxivId": "2609.07559",
   "title": "Scoring Without the Engine: Validating a Deterministic, Manipulation-Resistant Content Score for Generative Engines, End to End",
   "titleJa": "エンジンなしで採点する：操作に強い、決定的な生成エンジン向け内容得点を、端から端まで確かめる",
   "authors": "Elisha Bajemon, Andre-Louis Rochet",
   "submitted": "2026-09-07",
   "theme": "計測手法・再現性",
   "summary": "高価で変動する「答えエンジン」の代わりに、安くて決定的な代理得点をどう確かめるか、という手順を示し、生成エンジン最適化の内容得点で端から端まで試している。2023年の因果アンカーを、いまのエンジン系統10（オープンウェイト6、商用4。うち専用の gpt-5.x が3）で測り直すと、その操作子はどれでも引用を動かさず、期限切れの外部確認だった、とされる。残るのは門で強制した反応面で、敵対的な編集の500ソースでは、調整済み操作子を増幅しても攻撃側の得は最大6点で、量が増えると減る。クエリ条件付きの上限では、引用信号のクエリ内 Spearman は0.11で、クエリを問わない得点は引用の予測ではなく質のフィルタとして置くべきだ、と論じている。",
   "limitations": "最初の順位評価にあったクエリ漏れの不具合と、失敗した信頼フラグを開示し直した、と著者は書いている。ウェブスパムの基線の方が検出では強く、分布外の攻撃は得点をすり抜ける。数字は公開物からオフラインで再現でき、追加のAPI費用はゼロ、とされる。ライブ引用の予測器としては弱い、というのが著者自身の位置づけである。",
   "measured": "エンジンを使わずに、操作耐性のある決定論的スコアを検証する提案",
   "studiedAi": [
    "ChatGPT",
    "公開モデル"
   ],
   "studiedModels": "原文に記載なし（オープンウェイト6、商用4、うち gpt-5.x が3。個別名称の完全な一覧は要旨にはない）",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "決定的な内容得点の検証手順（敵対的編集のベンチマークと、いまのエンジンでのアンカー再測定。要旨）",
   "scale": "エンジン系統10、敵対的編集の500ソース（要旨）",
   "whereTheNumbersAre": "要旨（系統10、500ソース、最大6点、Spearman 0.11）",
   "arxivUrl": "https://arxiv.org/abs/2609.07559",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.07559"
  },
  {
   "arxivId": "2609.06798",
   "title": "Who Anchors AI Overviews in Health? Baidu, Google, and the Geography of Authority",
   "titleJa": "健康のAI概要は何が錨になるか：Baidu、Google、そして権威の地理",
   "authors": "Mingyue Zha, Ho-Chun Herbert Chang",
   "submitted": "2026-09-06",
   "theme": "引用・出典選択",
   "summary": "従来の検索にAIが組み込まれるとき、サービス・地域・言語で情報の偏りがどう出るかを、Google と Baidu の AI Overview で健康の質問を比べて見ている。12か国、4言語、1,920の健康質問で、両社とも自社のサービスへ利用者を寄せ、一次情報源の多様性より垂直統合が目立つ、とされる。規模が小さく、現地化の弱い国では、国内出典の参照が少ない。同じ質問をその国の公用語で出すと、英語で出すより現地出典の割合がおよそ3.5〜13.5倍に上がった。健康の免責は多次元で、言語と文化で違う、とも報告している。",
   "limitations": "収集は SerpApi の検索API（本文）。同じ質問を国ごとに複数回繰り返し、偶然のばらつきだけでないことを確認した、とされる。伝統中国医学などを含む、深刻さや論争の度合いが違う話題を比べている。生成検索が健康情報への入口になることへの、文化を踏まえた監視が急務、と論じる立場の論文である。",
   "measured": "健康分野の AI Overviews で、どの主体が「アンカー」（権威の出典）になるか（Baidu と Google）",
   "studiedAi": [
    "Google AI Overviews",
    "Baidu の AI"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "SerpApi の検索APIによる収集（本文。12か国・4言語、同じ質問の反復あり）",
   "scale": "健康質問1,920、12か国、4言語、2サービス（要旨）",
   "whereTheNumbersAre": "要旨（1,920質問、12か国、4言語、現地出典が3.5〜13.5倍）。収集経路は本文",
   "arxivUrl": "https://arxiv.org/abs/2609.06798",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.06798"
  },
  {
   "arxivId": "2609.06811",
   "title": "Measuring GEO Visibility: Prompt Corpora Define the Answer Market",
   "titleJa": "GEOの見え方を測る：プロンプトの集まりが、答えの市場を定義する",
   "authors": "Olivier Martinez",
   "submitted": "2026-09-06",
   "theme": "計測手法・再現性",
   "summary": "GEOの見え方得点は、生成された答えにおける出典の出現、引用、ブランド言及を集計する。どの状況を見るかはプロンプトの集まりが選び、重みがその重要度を決める。これらが「答えの市場」を定義し、実際の需要を表すとは限らない、と批判的に整理している。質問の言い回しは検索や競合、答えを変え、言語モデルで採点するなら指示が、同じ答えの得点を変えうる。状況の注釈、定式、実行条件、重み、採点規則を明示し、重みが未知のときは許容される得点の集合を報告する枠組みを示す。出典の寄与は、引用があるだけでは決まらず、統制した文書環境で、その出典ありなしの答えを比べる、と定義する（エンジン全体への介入とは区別する）。",
   "limitations": "批判的サーベイ（参考文献44、表9）。新しい実験は報告しておらず、枠組みの一般的な実証的妥当性はこれから、と本人が書いている。再現計算の付録とコードはある。",
   "measured": "GEOの「可視性」やシェアが、業者が選んだ質問リスト（作られた回答市場）に依存することの整理",
   "studiedAi": [],
   "studiedModels": "原文に記載なし",
   "dataCollection": [],
   "dataCollectionDetail": "その他（文献レビューと、再現可能な計算例。新規の収集実験はない、と要旨）",
   "scale": "原文に記載なし（新規の実験データはなく、参考文献44のサーベイ）",
   "whereTheNumbersAre": "コメントおよび要旨（参考文献44。新規実験なし）",
   "arxivUrl": "https://arxiv.org/abs/2609.06811",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.06811"
  },
  {
   "arxivId": "2609.04047",
   "title": "The Dice Roll Method: A Standardized Protocol for Repeated-Query Auditing of Large Language Model Brand Recommendations",
   "titleJa": "サイコロ法：大規模言語モデルのブランド推奨を、同じ質問の反復で調べる標準手順",
   "authors": "Dmitrij Żatuchin",
   "submitted": "2026-09-03",
   "theme": "計測手法・再現性",
   "summary": "同じプロンプトを繰り返して、LLMのブランド推奨のばらつきを見る研究は増えているが、反復回数や安定性の指標、信頼性の閾値に標準手順がなかった、として Dice Roll Method を形式化している。分散を標本化、言い回し、実行ごと、モデル版に分解し、負の二項混合、Cliffのデルタ、依存を保つブートストラップ、シミュレーションによる検出力、一般化理論、固定スナップショットの漂移診断を重ねる。ブランド推奨の既存研究5つ（観察約19万、ブランド270超、6言語、反復5〜40回）を再分析した。再計算したDスタディは固定の段階を支持せず、250の異なる質問（S5）では5回でGが0.96、1〜2回で0.80に達する一方、Gemini のバレンタイン部分集合（S1）では0.27で回数は決まらない、とされる。",
   "limitations": "v2（最終改訂 2026-10-14）は、第5節の信頼性、段階、収束、性別対比、漂移、検出力の結果と、それに依る記述を、研究データから計算し直して訂正している。第6節の結果は変わっていない、とコメント。固定の「5回・10回・15回」といった段階は移らない。事前登録した外部検証は39セル中37でDスタディの予測を再現し、失敗はなかった、とされる。新規の単一エンジン実測ではなく、手順の提案と再分析である。",
   "measured": "同じ質問を繰り返して監査する標準手順（Dice Roll Method）",
   "studiedAi": [
    "Gemini"
   ],
   "studiedModels": "原文に記載なし（再分析した5研究に含まれるモデル。S1のバレンタイン部分集合に Gemini の記載）",
   "dataCollection": [
    "既存データの再分析"
   ],
   "dataCollectionDetail": "既存のブランド推奨研究5つの再分析と、手順の提案（要旨）",
   "scale": "観察約19万、ブランド270超、6言語、反復は5〜40回。S5は異なる質問250（要旨）",
   "whereTheNumbersAre": "要旨（約19万観察、270超ブランド、6言語、反復5〜40、G=0.96/0.27、外部検証37/39）。v2の訂正範囲はコメント",
   "arxivUrl": "https://arxiv.org/abs/2609.04047",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.04047"
  },
  {
   "arxivId": "2609.02316",
   "title": "Counter-GEO-Bench: Evaluating Defenses Against Information-Distorting Generative Engine Optimization",
   "titleJa": "Counter-GEO-Bench：情報を歪めるGEOへの防御を評価する",
   "authors": "Bing Zheng, Zongyao Zhao, Wenming Yang",
   "submitted": "2026-09-02",
   "theme": "攻撃・差し込み",
   "summary": "情報を歪めるGEO書き換えに対して、既製の防御3つ（Granite Guardian、Llama Guard 3、NeMo Self-Check Fact-Checking）を測ったところ、攻撃成功率の低下は相対で最大5.7%にとどまり、Granite Guardianの減少は統計的に有意でなかった。提案手法 C-GEO Guard は、攻撃成功率を相対47.6%下げ、有用性の損失はほぼゼロだった、と報告している。",
   "limitations": "EMNLP 2026本会議採択。人手確認済みクエリ247件。被害側モデルは Gemma-4-31B-IT、Qwen-3.5-35B-A3B、Llama-4-Scout-17B-16E で、市販の回答エンジンAPIや製品は含まない。",
   "measured": "情報を歪めるGEO書き換えに対する防御の攻撃成功率（ASR）、偽陽性、回答品質",
   "studiedAi": [
    "公開モデル"
   ],
   "studiedModels": "Gemma-4-31B-IT／Qwen-3.5-35B-A3B／Llama-4-Scout-17B-16E",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "統制した生成検索ハーネス（BM25とBGEのハイブリッド検索、vLLMで temperature 0。市販APIや製品は含まない、と本文）",
   "scale": "人手確認済みクエリ247件。情報を保つ書き換えと歪める書き換えの対",
   "whereTheNumbersAre": "要旨（ASRの相対低下 最大5.7%、C-GEO Guard の47.6%、クエリ247件）。モデルは本文",
   "arxivUrl": "https://arxiv.org/abs/2609.02316",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.02316"
  },
  {
   "arxivId": "2609.02964",
   "title": "When Optimization Becomes Manipulation: Defending Generative Search against Malicious Generative Engine Optimization",
   "titleJa": "最適化が操作になるとき：悪意あるGEOから生成検索を守る",
   "authors": "Haozhang Li, Yangguang Shao, Xinjie Lin, Zhong Guan, Mi Zhou, Junzheng Shi",
   "submitted": "2026-09-02",
   "theme": "攻撃・差し込み",
   "summary": "事実は原文と合ったまま、引用されやすい形に文書を書き換えるGEO攻撃への防御手法 GEO Defender を提案している。5モデル・7種の攻撃で、平均の攻撃成功率は50.32%から6.20%へ下がり、無害な根拠の利用は94.12%残った、と報告している。事実検証やパープレキシティのフィルタだけでは捉えにくい、とされる。",
   "limitations": "対象は GPT-5.5、Claude Opus 4.8、DeepSeek-V4-Pro、Kimi K2.7 Code、GLM-5.2。本番の検索製品そのものを調べたものではない。APIかブラウザかの明示は原文にない。",
   "measured": "悪意あるGEO書き換えへの防御（GEO Defender）の攻撃成功率と、無害な根拠の利用の残存",
   "studiedAi": [
    "ChatGPT",
    "Claude",
    "DeepSeek",
    "Kimi",
    "公開モデル"
   ],
   "studiedModels": "GPT-5.5／Claude Opus 4.8／DeepSeek-V4-Pro／Kimi K2.7 Code／GLM-5.2",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "GEO-DefenseBench上の実験（本文）。APIかブラウザかの明示は原文に記載なし",
   "scale": "対象モデル5、GEO攻撃7種。クリーン集合と、候補10件のうち1件を書き換えた攻撃注入集合（本文）",
   "whereTheNumbersAre": "要旨（ASR 50.32%→6.20%、無害な根拠の利用94.12%、5モデル・7攻撃）。モデル名は本文 Table 1",
   "arxivUrl": "https://arxiv.org/abs/2609.02964",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.02964"
  },
  {
   "arxivId": "2609.03148",
   "title": "Large Language Models in Resolving Contextual Knowledge Conflicts",
   "titleJa": "文脈内の知識対立を、大規模言語モデルはどう解決するか",
   "authors": "Xinye Yang, Zhenyang Liu, Ruisi Li, Yuanyuan Lei",
   "submitted": "2026-09-02",
   "theme": "RAG・根拠提示",
   "summary": "与えた文脈の中で根拠が食い違うとき、いまのモデルは対立の解決がまだ不十分で、先に置かれた根拠へ寄る偏りが一貫してある、と報告している。データセット ContextConflict は5,781件で、対立は6種。学習なしの活性化ステアリングで、推論の正確さと要約のバランスが改善した、とされる。",
   "limitations": "対立は与えた文脈の内部であり、検索エンジンの引用そのものの実験ではない。本文の結果表は7モデル（gpt-5、claude-4.5-sonnet、gemini-2.5-pro、gpt-oss-120b、gpt-oss-20b、llama-3.1-70b-instruct、llama-3.1-8b-instruct）。APIの要旨は9モデル、本文HTMLの要旨は7モデルと書いてあり、一致しない。",
   "measured": "文脈内で根拠が食い違うとき、LLMがどう解決するか（6種の対立と、先に置かれた根拠への偏り）",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Claude",
    "公開モデル"
   ],
   "studiedModels": "gpt-5／claude-4.5-sonnet／gemini-2.5-pro／gpt-oss-120b／gpt-oss-20b／llama-3.1-70b-instruct／llama-3.1-8b-instruct",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "APIかローカルかを一括で書いた箇所は、確認した範囲では原文に記載なし。open-weightの一部ではモデル自身の対数尤度を取得と記載",
   "scale": "データセット ContextConflict は 5,781件。推論と要約。対立は6種（誤情報、推論、時間、粒度、視点、曖昧さ）",
   "whereTheNumbersAre": "要旨（5,781件、対立6種）。モデル一覧は本文の結果表",
   "arxivUrl": "https://arxiv.org/abs/2609.03148",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.03148"
  },
  {
   "arxivId": "2608.30052",
   "title": "The Language of the Question Selects the Market: Query Language and Exit IP as Separable Factors in Commercial Recommendations from a Generative Search Interface",
   "titleJa": "質問の言語が市場を選ぶ：生成検索の商用推奨における、クエリ言語と出口IPの切り離し",
   "authors": "Dmitrij Żatuchin",
   "submitted": "2026-08-30",
   "theme": "地域・言語・質問条件",
   "summary": "生成検索が商用の質問に答えるとき、どの市場の商品を名前に出すかは、モデルが商品について考える前に決まる、として、ログアウトした ChatGPT のウェブ画面と OpenAI API に対する統制した234回の実行を報告している。収集は2026年8月29〜30日、出口の国4、質問の言語6、セルあたり同じ実行6回。一番の推奨は不安定で、6つのプロンプトのうち4つで6回の同一実行中に変わり、その割合は画面でも、APIでウェブ検索をオンにしてもオフにしても同じだった。現地の供給者が出るかどうかは位置ではなく質問の言語が決め、言語を固定して出口IPだけを動かすと、答えの言語は質問のまま、名前に出るブランドの市場が変わった、と報告している。",
   "limitations": "244ではない234回。負の対照となる別カテゴリでは言語の効果は全く出ず、国内供給者がいてもどの言語でも名前に出なかった。著者は、国内で供給されているかより、国内で規制されているカテゴリかが説明になる、と述べる。規模は小さい。",
   "measured": "質問の言語と出口IPが、見える「市場」（回答の集合）をどう分けるか",
   "studiedAi": [
    "ChatGPT"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "利用者と同じ画面",
    "API"
   ],
   "dataCollectionDetail": "混在（ログアウトした ChatGPT のウェブ画面と OpenAI API。2026-08-29〜30、出口国4。要旨）",
   "scale": "234回。出口の国4、質問の言語6、セルあたり同一実行6回（要旨）",
   "whereTheNumbersAre": "要旨（234回、国4、言語6、セルあたり6回、6プロンプト中4つで首位が変動、一致言語でグローバルは24回中1、英語ではエストニアとトルコで現地が6回中0）",
   "arxivUrl": "https://arxiv.org/abs/2608.30052",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2608.30052"
  },
  {
   "arxivId": "2610.28639",
   "title": "Can AI Chat Replace Traditional Search? Evidence from a RAG-based Live Events Experiment",
   "titleJa": "AIチャットは、従来の検索に取って代われるか：ライブイベントのRAG実験からの証拠",
   "authors": "Rakesh Allu, Evgeny Kagan",
   "submitted": "2026-08-20",
   "theme": "ニュース・メディア集中",
   "summary": "会話型AIを検索画面に入れる効果を、主要なライブイベントのサイトから集めた数千件のカタログで、事前登録した報酬付きオンライン実験として比べている。古典的な絞り込み（Filter）、生成AIのチャット（Chat）、両方ある複合（Hybrid）の3画面で、AI側の出力はRAGに制限する。主な結果は、他の2条件に対して Chat が最も悪い、というものである。効果は gpt-4.1-mini、gpt-5.2、gpt-5.4 で頑健で、特定のアーティストや会場を探す人より、開いた探索をする人で大きい。Filter と Hybrid の間には、どの指標でも有意差がなかった、とされる。",
   "limitations": "CloudResearch Connect からニューヨークまたはニュージャージー在住の成人を募集し、389人のうち最終分析は362人（Filter 104、Chat 156、Hybrid 102）。仕組みとして、メニューが見えないと利用者がカタログにありそうなものを自分で問い、無い種類を探し、狭く探しすぎること、および、プロンプトに労力を取られて出力の吟味が減り、最初の候補を選びやすいこと、を挙げている。RAGで閉じたカタログ実験であり、一般のウェブ検索そのものではない。",
   "measured": "ライブイベント領域で、RAGベースのAIチャットが従来検索を代替し得るか",
   "studiedAi": [
    "ChatGPT"
   ],
   "studiedModels": "gpt-4.1-mini／gpt-5.2／gpt-5.4",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "その他（事前登録した利用者実験。ライブイベントのカタログをRAGで検索する3画面の比較。本文）",
   "scale": "カタログは数千件のイベント。最終分析は362人（Filter 104、Chat 156、Hybrid 102。本文）",
   "whereTheNumbersAre": "要旨（3画面、gpt-4.1-mini / gpt-5.2 / gpt-5.4）。人数は本文（募集389、最終362）",
   "arxivUrl": "https://arxiv.org/abs/2610.28639",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2610.28639"
  },
  {
   "arxivId": "2609.27845",
   "title": "Query Implied Generative Engine Optimization",
   "titleJa": "クエリを暗示する生成エンジン最適化",
   "authors": "Shilpa Ramakrishna, William B. Andreopoulos",
   "submitted": "2026-08-19",
   "theme": "GEO手法・効果検証",
   "summary": "既存のGEOの多くは、明示された質問や、そこから取った信号に内容を合わせる。QI-GEO は、文書自身から利用者の意図の空間を近似し、ありうる質問に答えるために足りない箇所を足す、と提案している。GEO-Bench と Extended GEO-Bench で、客観指標が最大15.9%、主観指標が最大17.6%上がり、引用の増加は減少のほぼ2倍だった、とされる。明示の質問入力に頼らなくても、文書から近似した意図で見え方が上がりうる、と述べる。",
   "limitations": "評価は、質問に紐づく候補文書の集合を固定した設定であり、検索の変動からは切り離している（本文）。Extended GEO-Bench は文書あたり意味の近い質問5変種を使う。生成エンジンの製品名の一覧は、確認した範囲では要旨にない。",
   "measured": "クエリから暗示されるGEO手法（固定候補プール上）",
   "studiedAi": [],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "GEO-Bench と Extended GEO-Bench 上のオフライン評価（候補集合は固定、と本文）",
   "scale": "GEO-Bench と、文書あたり質問5変種の Extended GEO-Bench（本文）。詳細な文書数は本文",
   "whereTheNumbersAre": "要旨（客観最大15.9%、主観最大17.6%、引用の増減がほぼ2倍）。固定候補の設定は本文",
   "arxivUrl": "https://arxiv.org/abs/2609.27845",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2609.27845"
  },
  {
   "arxivId": "2608.18352",
   "title": "AI in Search Reduces Publisher Referrals Without Improving User Experience: Experimental Evidence",
   "titleJa": "検索のAIは、利用者体験を上げずに、出版社への流入を減らす：実験の証拠",
   "authors": "Stephanie T. Wang, Jeffrey Gleason, Yakov Bart, Christo Wilson, Danaé Metaxa",
   "submitted": "2026-08-18",
   "theme": "ニュース・メディア集中",
   "summary": "Google 検索に生成AIを入れることが、利用者の行動、印象、出版社への流入に与える因果効果を、事前登録した現地実験（N=1,100）で推定している。AI Overviews と AI Mode を除くと出版社へのクリック率は上がり、AI Mode だけの経験はクリック率を下げ、Google で得た情報への体験と信頼も損なう、とされる。本文では、AI Mode 条件でクリック率が18.8ポイント下がり（95% CI -22.2〜-15.3）、AI検索なし条件では8.8ポイント上がった、と報告している。",
   "limitations": "Chrome を常用し、Google 検索を主に使う18歳以上を対象に、ブラウザ拡張でAI機能の出し方を変える無作為化試験（本文。条件は AI検索なし、現行検索、など）。Google 検索上の実験であり、他のエンジンへそのままは一般化できない。",
   "measured": "検索にAIが出ることで、媒体への紹介（リファラル）が減るか、ユーザー体験は良くなるか",
   "studiedAi": [
    "Google AI Overviews",
    "Google AI Mode"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "利用者と同じ画面"
   ],
   "dataCollectionDetail": "事前登録した現地実験（Google Chrome 上の拡張で、日常の Google 検索におけるAI機能の有無を操作。本文）",
   "scale": "参加者1,100人（要旨）",
   "whereTheNumbersAre": "要旨（N=1,100）。クリック率の-18.8ポイントと+8.8ポイントは本文（95% CI 付き）",
   "arxivUrl": "https://arxiv.org/abs/2608.18352",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2608.18352"
  },
  {
   "arxivId": "2608.06202",
   "title": "What Current AI Benchmarks Leave Unmeasured: Modality, Search, Citations, and Implications (for Safety Evaluations)",
   "titleJa": "いまのAIベンチマークが測っていないもの：経路、検索、引用、そして安全評価への含意",
   "authors": "Ro Encarnación, Tina Behzad, Emma Lurie, Danaé Metaxa",
   "submitted": "2026-08-06",
   "theme": "APIと画面の差",
   "summary": "安全や信頼性の主張に使われるベンチマークの多くは、APIという一つの経路、プロンプトあたり1回、正確さを主指標にし、ウェブ検索のような条件を十分見ていない、として、広く使われるモデル1系統でその前提を調べた。ChatGPT の画面と OpenAI の API を、ウェブ検索のオン・オフで比べ、BBQ と SafetyBench から層化した401プロンプトを、各3回で計4,812回答を集めた。検索オフでは画面の方がAPIより正確さが低く、検索をオンにすると正確さが最大8ポイント下がり、一方のベンチでは経路の優劣が逆転した。同じプロンプトの反復では、最大21%のプロンプトで回答が一致しなかった、と報告している。",
   "limitations": "v2（最終改訂 2026-10-09）。1系統（ChatGPT / OpenAI）の比較であり、全モデルへの一般化ではない。正確さ以外に、一貫性、文面の類似、引用の根拠、回答の回避も見ている。版の詳細な識別子は要旨にはない。",
   "measured": "ChatGPT の API とログアウト画面で、引用されるURLがどれだけ一致するか",
   "studiedAi": [
    "ChatGPT"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "利用者と同じ画面",
    "API"
   ],
   "dataCollectionDetail": "混在（ChatGPT の画面と OpenAI API。ウェブ検索の有無を交差。要旨）",
   "scale": "プロンプト401（BBQ と SafetyBench）、各3回、回答4,812（要旨）",
   "whereTheNumbersAre": "要旨（401プロンプト、4,812回答、3回、正確さ最大-8ポイント、不一致最大21%）",
   "arxivUrl": "https://arxiv.org/abs/2608.06202",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2608.06202"
  },
  {
   "arxivId": "2607.14035",
   "title": "Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023-2026)",
   "titleJa": "生成エンジンでの見え方を最適化する：生成エンジン最適化の批判的サーベイ（2023–2026）",
   "authors": "Olivier Martinez",
   "submitted": "2026-07-15",
   "theme": "GEO手法・効果検証",
   "summary": "GEOは、生成エンジンの答えにおける存在、引用されやすさ、影響力を高めることを目指す。基礎論文以降、用語や指標、証拠の基準はばらばらなまま広がった、として、2023年11月から2026年7月を中心に選んだ45研究を批判的に整理している。GEOは単一の順位付けではなく、検索の起動から引用、吸収、忠実さ、利用者行動まで、確率的で一部しか観察できない流れだ、と論じる。基礎論文で広く引用される伸びは、その実験設定（すでに固定の文脈に入っている出典）では妥当だが、自然な発見可能性や持続する流入効果を示したことにはならない、とされる。",
   "limitations": "このコーパスの範囲では、すでに取られた内容が引用や利用を因果的に変えうる、ということは示されるが、自然な発見可能性や後段の行動に対して、時間をまたぎ複数のサービスで安定した因果効果を示した手法はなかった、と著者は書く。新しい独自実験ではなく、文献の整理と枠組みの提案である。",
   "measured": "生成エンジンでの可視性最適化に関する批判的サーベイ",
   "studiedAi": [],
   "studiedModels": "原文に記載なし",
   "dataCollection": [],
   "dataCollectionDetail": "その他（文献サーベイ。検索手順と文献行列の付録あり、とコメント）",
   "scale": "選んだ研究45（要旨）。新規の実験データはない",
   "whereTheNumbersAre": "要旨およびコメント（45研究、対象期間 2023-11〜2026-07）",
   "arxivUrl": "https://arxiv.org/abs/2607.14035",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2607.14035"
  },
  {
   "arxivId": "2607.13304",
   "title": "Query Language Sensitivity in Automated Sentiment Scores of LLM Responses",
   "titleJa": "クエリの言語が、LLM回答の自動感情スコアをどれだけ動かすか",
   "authors": "Dmitrij Żatuchin",
   "submitted": "2026-07-14",
   "theme": "計測手法・再現性",
   "summary": "ブランドについてのLLM回答12,933件を、多言語の感情分類器でスコアしたとき、あてはめた分散の26.49%が質問言語、1.46%がブランドだった。英語を除くと、言語は5.07%、ブランドは2.23%になり、英語1,620件中591件が陰性スコアだったのに対し、他7言語11,313件では77件だった。これは英語を入れたときの分解が大きく変わることを示すのであって、英語の答えがブランドに対してより否定的だと因果的に示したわけではない、と訂正版は述べる。",
   "limitations": "v2（2026-11-01）で標題が変わり、旧題で述べていたブランド順位や質問予算の処方は削除されている。回答側はプロバイダ別名 openai、gemini、perplexity（実行時のモデル版は不変ではない）。採点器はツイート感情向けで、対象ブランドを別条件としては与えない。元の回答をAPIで取ったかブラウザで取ったかは、原文に書いていない。",
   "measured": "LLMのブランド回答を自動感情スコアで要約したとき、スコアのばらつきが回答の違いなのか、採点器（言語）の違いなのか",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Perplexity"
   ],
   "studiedModels": "openai／gemini／perplexity（不変のモデル版ではない、と本文）",
   "dataCollection": [
    "既存データの再分析"
   ],
   "dataCollectionDetail": "保存済み回答コーパスの再分析。元の回答をAPIで取ったかブラウザで取ったかは、確認した範囲では原文に記載なし",
   "scale": "回答12,933件。ブランド20、質問言語8、プロバイダ別名3、プロンプト識別子15",
   "whereTheNumbersAre": "要旨（12,933件、分散の内訳、英語を除いた場合の内訳、陰性スコアの件数）",
   "arxivUrl": "https://arxiv.org/abs/2607.13304",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2607.13304"
  },
  {
   "arxivId": "2605.25517",
   "title": "What Gets Cited: Competitive GEO in AI Answer Engines",
   "titleJa": "何が引用されるのか：AI回答エンジンにおける競争的GEO",
   "authors": "Rahul Vishwakarma, Shushant Kumar, Ratnesh Jamidar",
   "submitted": "2026-05-25",
   "theme": "引用・出典選択",
   "summary": "取得済みの候補がちょうど2件のとき、どちらが最初に引用されるかを、18の内容因子で一対比較した。最初の引用を最も動かしたのは話題の関連性とリスト内の位置で、価格の明記と新しい日付も一貫して効いた。完全性や信頼の手がかりはより小さく、書式だけの修正はほとんど効かなかった、と報告している。",
   "limitations": "6モデル、4,320のシナリオ・クエリ、5回反復、計252,000試行のAPI実験。実際の検索エンジンは呼ばず、2件の候補をツール応答として注入している。ブランド名は匿名化。本番の回答エンジンそのものではない。",
   "measured": "取得済みの候補が2件のとき、どちらが最初の引用になるか（内容因子18種の一対比較）",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Claude",
    "Kimi"
   ],
   "studiedModels": "Gemini-2.5／GPT-5-Nano／Claude-3.5／GPT-5-Mini／Kimi-K2-Thinking／GPT-5.2",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "API（6つのAPIで同一手順。実際の検索エンジンは呼ばず、ちょうど2件の候補をツール応答として注入。本文 2.2節）",
   "scale": "18因子、4,320のシナリオ・クエリ、5回反復、計252,000試行",
   "whereTheNumbersAre": "要旨（252,000試行、18因子）。モデル名は本文の図、手順は本文 2.2節",
   "arxivUrl": "https://arxiv.org/abs/2605.25517",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2605.25517"
  },
  {
   "arxivId": "2605.27440",
   "title": "Paraphrase Brittleness in Production Retrieval-Augmented Commercial Recommendation: Reproducibility Below the Rerun-Stability Baseline",
   "titleJa": "本番の検索付き商用推薦における、言い換えの脆さ：再実行の安定性を下回る再現性",
   "authors": "Will Jack, Noah Lehman, Keller Maloney, Sarah Xu",
   "submitted": "2026-05-22",
   "theme": "計測手法・再現性",
   "summary": "「最良のCRM」と「上位のCRM」のように、買い手の質問の言い方が少し違うだけで、AIアシスタントが出すブランドの推薦集合が大きく変わる、と報告している。OpenAI と Anthropic のモデルで、言い換え約6,000回と同じプロンプトの再実行約6,000回を比べると、同じ購買意図の言い換え同士の推薦集合の Jaccard は、見た目の言い換えで0.288、制約を足す言い換えで0.135で、同じプロンプトを再実行した基線0.50〜0.61を大きく下回った。推論の努力を上げても差は±0.05に収まり、狭まらない、とされる。",
   "limitations": "使うのは各社のウェブ検索ツール（OpenAI Responses API の web_search、Anthropic Messages API の web_search_20260209）。再実行の基線に使ったセルは gpt-5.4-mini と claude-sonnet-4-6 の、努力低・高（本文 Table 1）。固定プロンプトの言及回数で「AIの見え方」を追う実務は、言い換えの分散が支配的になりうる、というのが著者の主張である。具体的なモデル版は、言い換え格子では一部を省略している、と本文。",
   "measured": "本番の検索付き推薦で、言い換え（パラフレーズ）に対して結果がどれだけ脆いか",
   "studiedAi": [
    "ChatGPT",
    "Claude"
   ],
   "studiedModels": "gpt-5.4-mini／claude-sonnet-4-6",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "API（OpenAI Responses API の web_search、Anthropic Messages API の web_search_20260209。本文）",
   "scale": "言い換え約6,000回と、同じプロンプトの再実行約6,000回（要旨）",
   "whereTheNumbersAre": "要旨（各約6,000回、Jaccard 0.288と0.135、基線0.50〜0.61）。APIとモデルセルは本文",
   "arxivUrl": "https://arxiv.org/abs/2605.27440",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2605.27440"
  },
  {
   "arxivId": "2605.14021",
   "title": "Measuring Google AI Overviews: Activation, Source Quality, Claim Fidelity, and Publisher Impact",
   "titleJa": "Google の AI Overviews を測る：出現、出典の質、主張の忠実さ、出版社への影響",
   "authors": "Haofei Xu, Umar Iqbal, Jacob M. Montgomery",
   "submitted": "2026-05-13",
   "theme": "引用・出典選択",
   "summary": "Google の AI Overviews を、2026年3月13日から4月21日の40日間、19分野のトレンド質問55,393件で縦断的に測った。全体の出現率は13.7%、疑問文では64.7%まで上がり、政治的に敏感な話題では明らかに低かった。引用ドメインは、同時に出る1ページ目の結果より信頼性が高い一方、約30%は1ページ目に登場せず、順位付けとは別の出典選択がある、とされる。答えを98,020の原子的主張に分解すると、引用ページに支えられないものが11.0%（主な失敗は省略）で、出典の質と主張の忠実さはほぼ独立だった。引用ページの過半はディスプレイ広告を持ち、クリックが抑えられると出版社の収益が減る一方、同じページに Google 自身の広告は出続けた、と報告している。",
   "limitations": "IMC 2026採択（v2、最終改訂 2026-10-01）。収集は AWS Lambda（us-east-1）上の Puppeteer クローラで、Chrome を使い米国バージニアから取得（本文）。2億人超が目にする、という導入の記述は Google 側の到達規模への言及であり、本実験の標本サイズではない。",
   "measured": "Google AI Overviews の表示、出典の質、主張の忠実度、媒体への影響",
   "studiedAi": [
    "Google AI Overviews"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "利用者と同じ画面"
   ],
   "dataCollectionDetail": "ブラウザ（Puppeteer / Chrome。AWS Lambda の us-east-1 から。本文）",
   "scale": "トレンド質問55,393件、19分野、40日間（2026-03-13〜04-21）。主張98,020（要旨）",
   "whereTheNumbersAre": "要旨（55,393クエリ、40日、出現13.7%と64.7%、約30%、主張98,020、非支持11.0%）。収集経路は本文",
   "arxivUrl": "https://arxiv.org/abs/2605.14021",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2605.14021"
  },
  {
   "arxivId": "2604.27790",
   "title": "How Generative AI Disrupts Search: An Empirical Study of Google Search, Gemini, and AI Overviews",
   "titleJa": "生成AIは検索をどう崩すか：Google 検索、Gemini、AI Overviews の実証研究",
   "authors": "Riley Grossman, Songjiang Liu, Michael K. Chen, Mike Smith, Cristian Borcea, Yi Chen",
   "submitted": "2026-04-30",
   "theme": "ニュース・メディア集中",
   "summary": "生成AIがウェブ検索に入るとき、情報と出典の出し方が従来検索とどう違うかを見るため、実利用者の質問11,500件の公開ベンチマークを用意し、Google の検索結果、付随する AI Overview、Gemini Flash 2.5 を同じ質問で比べた。代表的な実質問の51.5%で AI Overview が出て、自然検索の上に表示された。取ってくる出典は大きく違い、平均 Jaccard 類似は0.2未満。従来の Google 検索は政府や教育など制度的・人気のサイトを取りやすく、生成検索は Google 自身のコンテンツを取りやすい。Google のAIクローラを拒否するサイトは、中身にアクセスできても AI Overview に取られにくい。同じ質問の2回や、わずかな言い換えに対しても、AI Overview は一貫性と頑健さが低い、と報告している。",
   "limitations": "ACM SIGIR 2026採択。Gemini は Flash 2.5。収集経路のAPIか画面かの詳細は要旨にはない。議論は、出版社と生成検索の持続的な収益の枠組みを求める、という立場を含む。",
   "measured": "Google検索・Gemini・AI Overviews が従来検索をどう崩すか（実証）",
   "studiedAi": [
    "Gemini",
    "Google AI Overviews"
   ],
   "studiedModels": "Gemini Flash 2.5",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "11,500の公開ベンチマーク質問について、Google 検索、AI Overview、Gemini Flash 2.5 の結果を比較（要旨）。APIか画面かの語は要旨にはない",
   "scale": "質問11,500件（要旨）",
   "whereTheNumbersAre": "要旨（11,500クエリ、出現51.5%、平均 Jaccard 0.2未満）",
   "arxivUrl": "https://arxiv.org/abs/2604.27790",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2604.27790"
  },
  {
   "arxivId": "2604.25707",
   "title": "From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms",
   "titleJa": "引用の選択から、引用の吸収へ：複数のAI検索をまたいだGEOの測定枠組み",
   "authors": "Zhang Kai, He Xinyue, Yao Jingang",
   "submitted": "2026-04-28",
   "theme": "引用・出典選択",
   "summary": "生成検索では、見つかること、出典として引用されること、答えに実際に吸収されることは別だ、として、検索が起動して出典を選ぶ段階と、引用ページが言語・証拠・構造・事実として答えに寄与する段階を分ける枠組みを提案している。公開データ geo-citation-lab は、ChatGPT、Google AI Overview / Gemini、Perplexity に対する統制プロンプト602、有効な検索層の引用21,143、引用単位の特徴23,745、取得できたページ18,151、抽出特徴72を含む。記述の中心は、引用の広さと深さが分かれることである。Perplexity と Google は平均してより多くの出典を引き、ChatGPT は出典が少ない一方、取得ページの中での平均的な引用の影響力はより高い、とされる。",
   "limitations": "v2（最終改訂 2026-04-29。著者情報の更新）。影響力の高いページはより長く、構造があり、意味が合い、定義や数値、比較、手順などの取り出せる証拠が豊富、という観察である。因果実験ではなく、測定枠組みと記述統計である。",
   "measured": "引用の選択から、引用が回答に吸収されるまでを測る枠組みの提案",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Google AI Overviews",
    "Perplexity"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "既存データの再分析"
   ],
   "dataCollectionDetail": "公開データセット geo-citation-lab に基づく分析（統制プロンプトと取得ページ。要旨）",
   "scale": "プロンプト602、検索層の引用21,143、取得ページ18,151（要旨）",
   "whereTheNumbersAre": "要旨（602プロンプト、引用21,143、ページ18,151、特徴72）",
   "arxivUrl": "https://arxiv.org/abs/2604.25707",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2604.25707"
  },
  {
   "arxivId": "2605.23916",
   "title": "Advertising to Agents: Measuring Description-Framing Bias in LLM Tool Selection",
   "titleJa": "エージェントへの広告：説明文のフレーミングが、ツール選択を歪めるか",
   "authors": "Haochuan Kevin Wang",
   "submitted": "2026-04-12",
   "theme": "広告・収益化",
   "summary": "ツール登録の説明文に宣伝の賛辞を重ねると、エージェントの選択率が約43ポイント上がり、検証可能な仕様の記載に匹敵または上回った、と事前登録の実験は報告している。賛辞は、数値上限が足りないツールへ選択を寄せることもあった。同じ掲載内容なら、先に並んだツールが約72ポイント多く選ばれた。",
   "limitations": "事前登録の中核は GPT-5.4-nano と GPT-5.4-mini の小型モデル2つで、結果はフレーズの盲検評価が終わるまで暫定、と本文は述べる。探索的な5モデルの実験は、方向性の確認に限る。投稿日は arXiv の published で 2026-04-12（識別子は2605）。",
   "measured": "ツール登録の説明文にある宣伝表現（賛辞）が、エージェントのツール選択を変えるか",
   "studiedAi": [
    "ChatGPT",
    "Claude",
    "DeepSeek"
   ],
   "studiedModels": "GPT-5.4-nano／GPT-5.4-mini／DeepSeek-V3／o4-mini／Claude Sonnet 4.6／GPT-4o",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "モデルに、対になった掲載からツールを1つ呼び出させる実験（本文）。APIかブラウザかの語は原文に記載なし",
   "scale": "事前登録は賛辞実験（Study 2）と形式実験（Study 3）。探索的Study 1の試行数は実験ごとに記載（例: disclosure実験 5,876回）",
   "whereTheNumbersAre": "要旨（約43ポイント、約72ポイント）。モデルと事前登録の範囲は本文",
   "arxivUrl": "https://arxiv.org/abs/2605.23916",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2605.23916"
  },
  {
   "arxivId": "2604.07585",
   "title": "Don't Measure Once: Measuring Visibility in AI Search (GEO)",
   "titleJa": "一度測って終わりにしない：AI検索（GEO）での見え方の測り方",
   "authors": "Julius Schulte, Malte Bleeker, Philipp Kaufmann",
   "submitted": "2026-04-08",
   "theme": "計測手法・再現性",
   "summary": "調べた4つの生成AIでは、実行や質問の言い回し、時点によって答えが変わりました。対象は、ChatGPT、Gemini、Google AI Mode、Perplexityです。観察期間は2026年1月24日から3月20日でした。キャンペーンは4つ、各8件の質問でした。論文は、ブランドの見え方を1回の観察ではなく、分布として測るべきだと論じています。",
   "limitations": "Geminiは期間中に欠測がありました。2026年1月30日は、引用量が日次平均の約2倍だったため、集計から除いています。反復回数の固定目安は、主結果としては確認できませんでした。APIで取ったか、一般向け画面で取ったかは、確認した範囲では本文に明記がありません。",
   "measured": "AI検索での可視性を、何回測れば信用できるか（反復回数の目安）",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Google AI Mode",
    "Perplexity"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "4エンジンへのプロンプト投入による観察（本文。期間は2026-01-24〜03-20。APIか画面かの語は、確認した範囲では本文に明記がない）",
   "scale": "キャンペーン4、各8プロンプト。収集日はエンジンにより22〜46日程度（本文 Table 1）",
   "whereTheNumbersAre": "本文 Table 1（期間、キャンペーン4、各8プロンプト、4エンジン）。主張は要旨。Geminiの欠測と2026-01-30の除外は本文",
   "arxivUrl": "https://arxiv.org/abs/2604.07585",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2604.07585"
  },
  {
   "arxivId": "2603.29979",
   "title": "Structural Feature Engineering for Generative Engine Optimization: How Content Structure Shapes Citation Behavior",
   "titleJa": "生成エンジン最適化のための構造特徴エンジニアリング：内容の構造は、引用のされ方をどう形づくるか",
   "authors": "Junwei Yu, Mufeng Yang, Yepeng Ding, Hiroyuki Sato",
   "submitted": "2026-03-31",
   "theme": "GEO手法・効果検証",
   "summary": "既存のGEOが意味内容の書き換えに寄ることが多いなか、構造の特徴が引用にどう効くかは十分見られていない、として枠組み GEO-SFE を提案している。文書の構造を、マクロ（文書の構成）、メソ（情報の塊）、ミクロ（視覚的な強調）の3層に分解し、生成エンジンの作りの違いを踏まえて引用確率への影響をモデル化する。主流の生成エンジン6で評価し、引用率が17.3%、主観的な質が18.5%上がった、と報告している。",
   "limitations": "6エンジンは、検索してから要約する Google SGE と Bing Chat、反復洗練の Perplexity AI と Phind、検索と生成を一体化した ChatGPT と Claude（本文 Table III）。評価は GEO-bench から採った200記事（6領域、約33記事ずつ）と実世界の質問377、エンジン6、2版で2,400ケース、とされる。意味の保存は文埋め込みの平均類似0.843、と本文。",
   "measured": "コンテンツ構造（見出し・FAQ等）が生成エンジン最適化に与える効果（GEO-SFE）",
   "studiedAi": [
    "ChatGPT",
    "Google AI Overviews",
    "Claude",
    "Perplexity",
    "Copilot",
    "研究用の独自システム"
   ],
   "studiedModels": "Google SGE／Bing Chat／Perplexity AI／Phind／ChatGPT／Claude",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "GEO-bench 由来の記事と質問を、6エンジン・2版で評価する実験（本文）",
   "scale": "記事200、質問377、エンジン6×2版で2,400ケース（本文）",
   "whereTheNumbersAre": "要旨（引用率17.3%、主観18.5%、エンジン6）。データ規模は本文（200記事、377クエリ、2,400ケース）",
   "arxivUrl": "https://arxiv.org/abs/2603.29979",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2603.29979"
  },
  {
   "arxivId": "2601.16858",
   "title": "Navigating the Shift: A Comparative Analysis of Web Search and Generative AI Response Generation",
   "titleJa": "転換をどう見るか：ウェブ検索と生成AIの回答の比較分析",
   "authors": "Mahe Chen, Xiaoxuan Wang, Kaiwen Chen, Nick Koudas",
   "submitted": "2026-01-23",
   "theme": "引用・出典選択",
   "summary": "Google検索と生成AIの回答では、参照ドメインの種類（アーンド、オウンド、ソーシャル）や情報の鮮度がかなり違う、と報告している。家電と自動車の2分野で、各100件のランキング型クエリを、GPT-4o、Claude 4.5 Sonnet、Perplexity Sonar Pro、Gemini 2.5 Flash、Google Search で比べた。事前学習の知識が、検索をオンにしても順位付けに残る場合がある、という実験もしている。",
   "limitations": "EDBT/ICDT 2026 Workshops採択。比較対象は上記エンジンに限る。Googleは検索APIの上位件、回答エンジンは回答中の引用URLを収集している。",
   "measured": "Google検索と生成AIの回答で、参照ドメイン・媒体種別・質問意図・情報の鮮度がどう違うか。事前学習知識とリアルタイム検索の相互作用",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Claude",
    "Perplexity"
   ],
   "studiedModels": "GPT-4o／Claude 4.5 Sonnet／Perplexity Sonar Pro／Gemini 2.5 Flash／gpt-4o-search-preview",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "Googleは検索APIの上位件。回答エンジンは回答中の引用URLを収集（本文）。事前学習実験は gpt-4o-search-preview でWeb検索をオン（本文 3.1節）",
   "scale": "家電と自動車の2分野で、各100件のランキング型クエリ、エンジンあたり最大10 URL（本文）。事前学習の摂動実験は条件あたり10回（本文 3.1.2節）。人気エンティティ側は「数百件」のクエリとの記述あり（本文 3.3節）",
   "whereTheNumbersAre": "本文（2分野×100クエリ、エンジンあたり最大10 URL）。モデル名は本文。事前学習実験の条件は本文 3.1節",
   "arxivUrl": "https://arxiv.org/abs/2601.16858",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2601.16858"
  },
  {
   "arxivId": "2509.19364",
   "title": "The Inadequacy of Offline LLM Evaluations: A Need to Account for Personalization in Model Behavior",
   "titleJa": "オフラインのLLM評価では足りない：モデルの振る舞いに、個人化を織り込む必要がある",
   "authors": "Angelina Wang, Daniel E. Ho, Sanmi Koyejo",
   "submitted": "2025-09-18",
   "theme": "計測手法・再現性",
   "summary": "標準的なオフライン評価は、独立した、状態を持たない推論の列であり、実際の利用で個人化がモデルの振る舞いを根本から変える様子を捉えられない、と論じている。同じベンチマークの質問でも、状態を持たないシステム、ある利用者のチャット、別の利用者のチャットでは、答えがはっきり違いうる。ChatGPT と Gemini の実利用者800人に、ベンチマークや指定の質問を、自分たちのチャット画面で出してもらう現地評価と、オフライン評価を比べた、とされる。",
   "limitations": "Patterns 誌に掲載予定、とコメント。対象は ChatGPT と Gemini の実画面であり、APIのオフライン評価との差を問題にしている。詳細なモデル版や、正確さの差分の数字は要旨にはない。",
   "measured": "オフライン（ベンチマーク）評価が、パーソナライズされた実際の振る舞いを捉えるか",
   "studiedAi": [
    "ChatGPT",
    "Gemini"
   ],
   "studiedModels": "原文に記載なし",
   "dataCollection": [
    "利用者と同じ画面",
    "研究用の環境"
   ],
   "dataCollectionDetail": "混在の比較（オフライン評価と、800人の実利用者が自分のチャット画面に質問を出す現地評価。要旨）",
   "scale": "実利用者800人（要旨）",
   "whereTheNumbersAre": "要旨（実利用者800人、ChatGPT と Gemini の画面）",
   "arxivUrl": "https://arxiv.org/abs/2509.19364",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2509.19364"
  },
  {
   "arxivId": "2509.10762",
   "title": "AI Answer Engine Citation Behavior An Empirical Analysis of the GEO16 Framework",
   "titleJa": "AI答えエンジンの引用行動：GEO-16枠組みの実証分析",
   "authors": "Arlen Kumar, Leanid Palkhouski",
   "submitted": "2025-09-13",
   "theme": "GEO手法・効果検証",
   "summary": "AI答えエンジンが答えを生成し、ウェブ出典を引用するとき、ページ上の質の信号を16の柱の帯得点と、0から1の正規化得点Gに変える枠組み GEO-16 を導入している。商品意図のプロンプト70について、Brave Summary、Google AI Overviews、Perplexity の3エンジンから引用1,702件を集め、固有URL 1,100を調べた。このコーパスでは、エンジンによって引用ページのGEO質が違い、メタデータと鮮度、セマンティックHTML、構造化データに関する柱が引用と最も強く関連した、とされる。ドメインでクラスタした標準誤差のロジスティックモデルでは、ページ全体の質は引用の強い予測因子で、たとえばGが0.70以上かつ柱の当たりが12以上、といった操作点は、このデータでは引用率の高さと揃った、と報告している。",
   "limitations": "観察研究である。英語のB2B SaaSページに焦点があり、妥当性への脅威と再現の留意を著者自身が書いている。因果効果ではない。",
   "measured": "GEO16フレームワークに沿ったAI回答エンジンの引用行動",
   "studiedAi": [
    "Google AI Overviews",
    "Perplexity",
    "研究用の独自システム"
   ],
   "studiedModels": "Brave Summary／Google AI Overviews／Perplexity",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "3エンジンからの引用の観察と、引用URLのページ品質の採点（要旨。英語のB2B SaaS）",
   "scale": "プロンプト70、引用1,702、固有URL 1,100（要旨）",
   "whereTheNumbersAre": "要旨（70プロンプト、引用1,702、URL 1,100、3エンジン、例: G≥0.70かつ柱12以上）",
   "arxivUrl": "https://arxiv.org/abs/2509.10762",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2509.10762"
  },
  {
   "arxivId": "2508.11158",
   "title": "Role-Augmented Intent-Driven Generative Search Engine Optimization",
   "titleJa": "役割を足し、意図に駆動する生成検索エンジン最適化",
   "authors": "Xiaolu Chen, Jie Bao, Haojie Wu, Zhen Chen, Liwei Pan, Yong Liao",
   "submitted": "2025-08-15",
   "theme": "GEO手法・効果検証",
   "summary": "多くのG-SEOは、対象の質問や、その質問で得たエンジンの反応に直接アクセスすることを前提にするが、ウェブの内容は将来の質問が分かる前に公開される、として、対象質問にもその反応にも依らない手法 RAID を提案している。文書から主たる検索意図を推定し、想定する検索者の情報ニーズについて4Wの多役割の反省で精緻化し、主意図と精緻化した意図の両方で書き換えを計画する。GEO-BENCH に、話題に関する多様な質問の変種を足し、最適化中には使わず評価だけに使う。100標本、評価質問500で、相対改善（RIS）は客観総合3.00%、主観平均1.32%で、事前に定めたGEO書き換え9戦略の最良をそれぞれ1.31ポイント、0.74ポイント上回った、と報告している。",
   "limitations": "v3（最終改訂 2026-10-27）。評価では、各質問に紐づく GEO-BENCH の出典5件を固定の文脈として渡し、答えの生成に GLM-4-9B-0414 を使う（本文）。ライブの商用検索そのものではない。RIS>0 を有効とすると、有効率の平均は58.0%で、既存戦略の最高平均を4.5ポイント上回る、と要旨。",
   "measured": "役割（ロール）と意図を足した生成エンジン最適化（RAID）",
   "studiedAi": [
    "公開モデル"
   ],
   "studiedModels": "GLM-4-9B-0414",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "拡張した GEO-BENCH 上のオフライン評価（元の質問と変種は最適化には使わず評価のみ。要旨・本文）",
   "scale": "標本100、評価質問500、比較する既存戦略9（要旨）",
   "whereTheNumbersAre": "要旨（100標本、500質問、RIS 3.00%と1.32%、有効率58.0%）。生成モデルは本文",
   "arxivUrl": "https://arxiv.org/abs/2508.11158",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2508.11158"
  },
  {
   "arxivId": "2508.02630",
   "title": "What Is Your AI Agent Buying? Evaluation, Biases, Model Dependence, & Emerging Implications for Agentic E-Commerce",
   "titleJa": "あなたのAIエージェントは何を買うのか：評価、偏り、モデル依存、そしてエージェント型電子商取引への含意",
   "authors": "Amine Allouah, Omar Besbes, Josué D Figueroa, Yash Kanoria, Akshit Kumar",
   "submitted": "2025-08-04",
   "theme": "買い物エージェント",
   "summary": "消費者が自分で見てクリックする代わりに、自律エージェントがページやAPIを読んで商品を選ぶ市場を、提供者を問わない枠組み ACES で調べている。エージェントは一部の「よく選ばれる」商品に需要を寄せ、他を全く無視しうる一方、その好みは不安定で、モデルの更新が市場シェアを大きく入れ替えうる、とされる。無作為化試験では、明らかに最良がある簡単な課題では時間とともに良くなるが、位置の偏りは提供者や版で違い、文字だけの画面でも残る。提供タグは一貫して減点され、プラットフォームの推薦は加点される。売り手側のエージェントが、質問に応じた簡単な説明の修正をするだけで、市場シェアを大きく伸ばせた（Claude Opus 4.5 で+7.38ポイント、GPT-5.1 で+14.89ポイント、Gemini 3 Pro Preview で+0.32ポイント、と本文）。",
   "limitations": "v3（最終改訂 2025-12-17）。焦点の系統は、2025年8月時点の Claude Sonnet 4、GPT-4.1、Gemini 2.5 Flash と、2025年12月1日時点の後継 Claude Opus 4.5、GPT-5.1、Gemini 3.0 Pro Preview（本文）。簡単な一次元比較では最新モデルの失敗はほぼない、とも述べる。実験用の枠組みであり、特定の店頭そのものではない。",
   "measured": "買い物エージェントの選好（価格・評価・スポンサー表示・推薦タグ）と、出品文の書き換え効果",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Claude"
   ],
   "studiedModels": "Claude Sonnet 4／GPT-4.1／Gemini 2.5 Flash／Claude Opus 4.5／GPT-5.1／Gemini 3.0 Pro Preview",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "ACES によるエージェントの選択実験（無作為化試験と、売り手側の説明修正。要旨・本文）",
   "scale": "複数の模型系統・2時点。詳細な試行数は本文の実験節",
   "whereTheNumbersAre": "要旨（枠組みACES、位置の偏り、提供タグと推薦）。シェアの伸び（+7.38、+14.89、+0.32ポイント）とモデル時点は本文",
   "arxivUrl": "https://arxiv.org/abs/2508.02630",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2508.02630"
  },
  {
   "arxivId": "2506.11097",
   "title": "C-SEO Bench: Does Conversational SEO Work?",
   "titleJa": "C-SEO Bench：会話型SEOは効くのか",
   "authors": "Haritz Puerto, Martin Gubri, Tommaso Green, Seong Joon Oh, Sangdoo Yun",
   "submitted": "2025-06-06",
   "theme": "GEO手法・効果検証",
   "summary": "会話型検索エンジンで、文書を書き換えるC-SEO手法が引用順位を上げるかを、複数の課題・領域と、採用者の人数を変えて測った。この実験では、現行手法の多くは引用順位をほとんど上げず、むしろ下げうるとされた。従来SEOで、モデルの文脈に入る順位を上げる方が効きやすく、採用者が増えると全体の伸びは縮み、ゼロサムに近い、と報告している。",
   "limitations": "NeurIPS Datasets & Benchmarks 2025採択。文書リストを渡す模擬の会話型検索であり、ChatGPT Searchなどの本番製品そのものではない。クエリは1,900超、文書は16,000超、手法は10種。会話型検索エンジン側のモデルは gpt-4o-mini-2024-07-18、claude-3-5-haiku-20241022、o3-2025-04-16、o4-mini-2025-04-16。",
   "measured": "会話型検索エンジンで、文書を書き換えるC-SEO手法が引用順位を上げるか（単独採用と複数採用）",
   "studiedAi": [
    "ChatGPT",
    "Claude"
   ],
   "studiedModels": "gpt-4o-mini-2024-07-18／claude-3-5-haiku-20241022／o3-2025-04-16／o4-mini-2025-04-16",
   "dataCollection": [
    "API"
   ],
   "dataCollectionDetail": "API（各提供者の既定の復号パラメータ。文書リストをモデルに渡して回答を生成。本文 6.1節）",
   "scale": "2課題（QAと商品推薦）×3領域ずつ、6データセット。クエリ1,900超、文書16,000超（本文 4.1節）。C-SEO手法は10種",
   "whereTheNumbersAre": "要旨および本文 4.1節・6.1節（データ規模、モデル、手法数）",
   "arxivUrl": "https://arxiv.org/abs/2506.11097",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2506.11097"
  },
  {
   "arxivId": "2404.07981",
   "title": "Manipulating Large Language Models to Increase Product Visibility",
   "titleJa": "大規模言語モデルを操作して、商品の見え方を上げる",
   "authors": "Aounon Kumar, Himabindu Lakkaraju",
   "submitted": "2024-04-11",
   "theme": "買い物エージェント",
   "summary": "検索にLLMが組み込まれ、利用者が購買の判断をそこに頼るとき、推薦を操作して特定商品の見え方を上げられるか、を調べている。商品情報ページに、注意して作った文（戦略的テキスト系列、STS）を足すと、LLMの首位推薦に入る見込みが大きく上がった、とされる。架空のコーヒーマシンのカタログで、ほとんど推薦に出ない商品と、通常は2位の商品の2つを対象にすると、どちらも首位に出る見込みが上がった。ベンダーに大きな競争上の利点を与え、公正な市場競争を乱しうる、と論じている。",
   "limitations": "v2（最終改訂 2024-09-02）。実験の中心は Llama-2 などのオープンな言語モデルである。GCG のような敵対的手法の系列は GPT-4 など黒い箱のモデルへ移ることがある、という先行研究への言及はある。架空カタログの実験であり、ライブの商用検索そのものではない。",
   "measured": "商品ページに戦略的テキスト（STS）を足すと推薦されやすくなるか",
   "studiedAi": [
    "公開モデル"
   ],
   "studiedModels": "Llama-2",
   "dataCollection": [
    "研究用の環境"
   ],
   "dataCollectionDetail": "架空の商品カタログを使ったオフラインの推薦実験（要旨・本文）",
   "scale": "架空のコーヒーマシンのカタログ。操作の対象は2商品（要旨）。品目数の詳細は本文",
   "whereTheNumbersAre": "要旨（架空のコーヒーマシン、対象商品2）。モデルは本文",
   "arxivUrl": "https://arxiv.org/abs/2404.07981",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2404.07981"
  },
  {
   "arxivId": "2311.09735",
   "title": "GEO: Generative Engine Optimization",
   "titleJa": "GEO：生成エンジン最適化",
   "authors": "Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan, Ameet Deshpande",
   "submitted": "2023-11-16",
   "theme": "基盤・用語（GEO原典）",
   "summary": "生成モデルが複数の出典を集め、要約して質問に答える検索を、生成エンジン（GE）として形式化し、サイト運営者がその答えの中での見え方を高める枠組みとして、生成エンジン最適化（GEO）を初めて提案した論文である。多様な領域の質問と、それに答えるウェブ出典からなる大規模ベンチマーク GEO-bench（質問10,000、25領域）を導入する。厳密な評価で、GEOは生成エンジンの答えにおける見え方を最大40%押し上げ、戦略の効き方は領域で違う、と報告している。市販の Perplexity.ai でも同じ手法を試し、見え方の伸びは最大37%だった、とされる。",
   "limitations": "KDD 2024採択（v3、最終改訂 2024-06-28）。研究用のGEは、Google 検索から上位5件を取り、gpt3.5-turbo が答えを生成する2段階である（本文）。指標の一部は GPT-3.5 による G-Eval、ベンチのタグ付けに GPT-4 を使う。伸びは、すでに候補として渡された出典の文脈での見え方であり、自然検索での発見そのものではない、という後続の整理がある（本カタログのサーベイ 2607.14035 もその点を論じる）。",
   "measured": "生成エンジン向けのコンテンツ最適化手法の提案（研究用環境）",
   "studiedAi": [
    "ChatGPT",
    "Perplexity"
   ],
   "studiedModels": "gpt3.5-turbo／Perplexity.ai",
   "dataCollection": [
    "利用者と同じ画面",
    "研究用の環境"
   ],
   "dataCollectionDetail": "GEO-bench 上のオフライン評価（Google 検索から上位5件を渡し生成）と、Perplexity.ai での試験（本文）",
   "scale": "GEO-bench は質問10,000、25領域（本文）。研究用GEはクエリあたり出典5件",
   "whereTheNumbersAre": "要旨（見え方最大40%）。GEO-bench の10,000質問・25領域、Perplexity.ai での最大37%、gpt3.5-turbo と上位5件は本文",
   "arxivUrl": "https://arxiv.org/abs/2311.09735",
   "pageUrl": "https://gaaaon.jp/llmo-papers/2311.09735"
  }
 ],
 "industrySurveys": [
  {
   "id": "S-ahrefs-2026-10-stable",
   "publisher": "Ahrefs",
   "title": "How Stable Are AI Citations? 10 Things We Learned Tracking 37,500 Citations",
   "titleJa": "AIの引用はどれくらい安定しているか。37,500件を追って分かった10のこと",
   "published": "2026-10-29",
   "summary": "Ahrefsは、調べた5つの生成AIで初日に出た引用を、約37,500件、20日間追跡しました。調べた対象は、Google AI ModeとChatGPTです。加えて、Google AI Overviews、Gemini、Copilotです。引用の半数以上は、翌日には消えていました。翌日に消えた割合は、Google AI ModeとChatGPTで約60%でした。Google AI Overviewsでは約50%、GeminiとCopilotでは約80%でした。消えた引用のうち、約75%は20日以内に戻ってきました。GeminiとCopilotの回答では、半数超に出典がありませんでした。",
   "limitations": "追跡の期間は20日間です。GeminiとCopilotは、出典のない回答が多く、引用の安定が低く見えます。Brand Radarで別途確認した質問群は、主系列とは件数が違います。",
   "measured": "Google AI Mode、ChatGPT、Google AI Overviews、Gemini、Copilotが初日に付けた引用が、その後20日間、翌日以降も残るか、消えたあとに戻るかを追った。",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Google AI Overviews",
    "Google AI Mode",
    "Copilot"
   ],
   "scale": "初日の引用が約37,500件。20日間、毎日同じ質問を出した。質問数と初日のサイト数は、Google AI Modeが1,996問・18,009件、ChatGPTが3,173問・11,225件、Google AI Overviewsが563問・4,830件、Geminiが1,276問・1,994件、Copilotが823問・1,447件。",
   "openness": "対象、期間、質問数、初日のサイト数はブログで公開。質問文の一式と生の回答の公開は、確認した範囲では記載なし。",
   "url": "https://ahrefs.com/blog/how-stable-are-ai-citations/"
  },
  {
   "id": "S-muckrack-2026-10",
   "publisher": "Muck Rack",
   "title": "What is AI Reading? October 2026",
   "titleJa": "AIは何を読んでいるか（2026年10月版）",
   "published": "2026-10",
   "summary": "Muck Rackは、4つの生成AIの回答を4,000万件超調べました。調べた対象は、ChatGPT、Claude、Gemini、Perplexityです。獲得媒体は、分類した引用の約84%を占めました。報道機関の出典は、分類した引用の約22%でした。1つの質問を1日に2回出したときの出典の重なりを見ました。重なりは、ChatGPTで41%、Perplexityで94%でした。Claudeでは56%、Geminiでは45%でした。4つの生成AIのすべてに現れたドメインは、提供者あたり1,020件の質問で212件でした。",
   "limitations": "使ったモデルは、調査の途中で導入と廃止がありました。時期の比較は、モデルの更新の影響も含みます。APIで取ったか、一般向けの画面で取ったかは、報告書の方法の節に書いてありません。英語圏と米国寄りの質問が中心です。",
   "measured": "ChatGPT、Claude、Gemini、Perplexityが、現実的な質問に答えるとき、どの出典とページ種別を付けるか。専用の調査収集と、Generative Pulseの継続収集を組み合わせた。",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Claude",
    "Perplexity"
   ],
   "scale": "回答が4,000万件超。モデルは GPT-5、GPT-5 nano、Gemini 2.0 Flash、Gemini 2.5 Flash、Claude Haiku 4.5、Perplexity Sonar Pro。9月の比較は、提供者あたり1,020件の質問。",
   "openness": "方法の概要、分類の定義、使用モデル名はPDFで公開。プロンプト一式と生の回答ログの公開は、確認した範囲では記載なし。",
   "url": "https://media.muckrack.com/documents/What_Is_AI_Reading_October_2026.pdf"
  },
  {
   "id": "S-muckrack-2026-05",
   "publisher": "Muck Rack",
   "title": "What is AI Reading? May 2026",
   "titleJa": "AIは何を読んでいるか（2026年5月版）",
   "published": "2026-05",
   "summary": "Muck Rackは、ChatGPTとClaudeとGeminiの回答から、2,500万件を超えるリンクを調べました。無償の情報源は、記録したリンクの約99%を占めました。獲得媒体は、記録した引用の約84%を占めました。報道機関の出典は、記録した引用の約27%を占めました。ChatGPTは、回答の96%で出典を付け、1回答あたり平均約5件でした。Claudeは、回答の55%で出典を付け、付けるときは1回答あたり平均13件でした。Geminiは、回答の82%で出典を付け、1回答あたり平均約8件でした。",
   "limitations": "APIで取ったか、一般向けの画面で取ったかは、報告書の方法の節に書いてありません。生成の挙動は、モデルの更新で変わりうると、報告書は記しています。観察の対象は、ChatGPTとClaudeとGeminiの3つに限られます。",
   "measured": "ChatGPT、Claude、Geminiが、現実的な消費者向けの質問に答えるとき、どのURLを出典として付けるか。リンクを報道、獲得、自社、広告などに分類した。",
   "studiedAi": [
    "ChatGPT",
    "Gemini",
    "Claude"
   ],
   "scale": "AIの回答から集めたリンクが2,500万件超。対象は17業種。",
   "openness": "方法の概要と分類の定義はPDFで公開。プロンプト一式と生の回答ログの公開は、確認した範囲では記載なし。",
   "url": "https://media.muckrack.com/documents/What_Is_AI_Reading__May_2026.pdf"
  },
  {
   "id": "S-semrush-2026-01",
   "publisher": "Semrush",
   "title": "How We Built a Content Optimization Tool for AI Search [Study]",
   "titleJa": "AI検索向けのコンテンツ最適化ツールを、どのように作ったか（調査）",
   "published": "2026-01-14",
   "summary": "Semrushは、3つの生成AIが引用したURLを、304,805件調べました。対象は、ChatGPT Search、Google AI Mode、Perplexityです。比較対象は、関連する語でGoogle検索の上位20件に入ったURL 921,614件でした。明確さと要約の得点は、引用されたページのほうが32.83%高い傾向を示しました。E-E-A-Tの合図の得点は、引用されたページのほうが30.64%高い傾向を示しました。宣伝的でない調子の得点は、引用されたページのほうが26.19%低い傾向を示しました。",
   "limitations": "期間は2025年7月15日から2025年8月6日で、公開時点より前の観察です。ページに見える本文だけを採点し、メタデータやHTML構造、schemaは見ていません。示した数字は相関であり、因果は示していません。査読付きの論文ではありません。",
   "measured": "ChatGPT Search、Google AI Mode、Perplexityが引用したページの本文の性質を、関連する語でGoogle検索の上位に入ったページと比べ、13の観点の得点差を見た。",
   "studiedAi": [
    "ChatGPT",
    "Google AI Mode",
    "Perplexity"
   ],
   "scale": "質問11,882件（ChatGPT Search、Google AI Mode、Perplexity）。Google検索のキーワード59,410件。引用されたURLは304,805件。Google検索の上位URLは921,614件。重複を除いたURLは337,785件。期間は2025-07-15から2025-08-06。",
   "openness": "期間、件数、13の観点の概要はブログで公開。プロンプト一式とURL名簿、採点の手順書の公開は、確認した範囲では記載なし。",
   "url": "https://www.semrush.com/blog/content-optimization-ai-search-study/"
  }
 ]
}