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
GroundedGEO:生成検索の順位における、根拠の隙間を調べる
原題:GroundedGEO: Auditing the Evidence Gap in Generative Search Rankings
著者は Yihan Xia, Huiling Fan, Kangrong Zhong, Taotao 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:2609.25189)論文が報告した結果
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。
調査の条件
- 論文が調べたこと
- 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)
- 調べた対象の AI
- 公開モデル
- 調べたモデル
- Qwen2.5-7B/MiMo-v2.5/GLM-5.3-Flash
- 回答データの取り方
- 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)
- 調査の規模
- 電子商取引の質問50、1,950ケース(要旨)
- 数字が載っている場所
- 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)
結果を読むときの注意
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。
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。