LLMO・GEO の研究論文と民間調査/広告・収益化
研究論文
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
原題:Advertising to Agents: Measuring Description-Framing Bias in LLM Tool Selection
著者は Haochuan Kevin Wang。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:2605.23916)論文が報告した結果
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。
ChatGPT を調べた論文Claude を調べた論文DeepSeek を調べた論文
調査の条件
- 論文が調べたこと
- 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
- 調べた対象の AI
- ChatGPT、Claude、DeepSeek
- 調べたモデル
- GPT-5.4-nano/GPT-5.4-mini/DeepSeek-V3/o4-mini/Claude Sonnet 4.6/GPT-4o
- 回答データの取り方
- 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
- 調査の規模
- 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)
- 数字が載っている場所
- 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
結果を読むときの注意
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)。
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。
「広告・収益化」を調べたほかの論文
- 2026年11月CHO-Bench:文脈ヒントは、LLM広告の並びをどう変えるか