LLMO・GEO の研究論文と民間調査/引用・出典選択
研究論文
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
原題:VoteGEO-Bench: Measuring the Impact of Generative Engine Optimization on Electoral Visibility
著者は Shiqi Zhang, Xiaokui Xiao。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:2610.21330)論文が報告した結果
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。
ChatGPT を調べた論文Gemini を調べた論文Grok を調べた論文
調査の条件
- 論文が調べたこと
- 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)
- 調べた対象の AI
- ChatGPT、Gemini、Grok
- 調べたモデル
- gpt-4o-mini/gpt-5-mini/grok-4-1-fast/grok-with-x/gemini-2.5-flash
- 回答データの取り方
- 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)
- 調査の規模
- 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)
- 数字が載っている場所
- 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
結果を読むときの注意
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。
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。
「引用・出典選択」を調べたほかの論文
- 2026年11月関連性から効用へ:Yuanbao検索におけるルーブリック整合
- 2026年11月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
- 2026年11月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
- 2026年11月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