LLMO・GEO の研究論文と民間調査/買い物エージェント
研究論文
大規模言語モデルを操作して、商品の見え方を上げる
原題:Manipulating Large Language Models to Increase Product Visibility
著者は Aounon Kumar, Himabindu Lakkaraju。に arXiv へ投稿されました。日本語の題名は、ガーオンによる仮の訳です。
論文の原文を arXiv で読む(arXiv:2404.07981)論文が報告した結果
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。
調査の条件
- 論文が調べたこと
- 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
- 調べた対象の AI
- 公開モデル
- 調べたモデル
- Llama-2
- 回答データの取り方
- 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)
- 調査の規模
- 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
- 数字が載っている場所
- 要旨(架空のコーヒーマシン、対象商品2)。モデルは本文
結果を読むときの注意
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。
上の要約は、株式会社ガーオンが生成AIを使って作成しました。最終更新は2026年11月19日です。正確な内容は、論文の原文で確認してください。