LLMO・GEO の研究論文と民間調査/GEO手法・効果検証

研究論文

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

原題:GLOBE: Evolving Structured Agentic Memory for E-commerce Product Optimization in Generative Search

著者は Hyunseo Kim, Suil Choe, Sukkyoung So, Daeyeon Yi。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:2610.23709)

論文が報告した結果

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。

ChatGPT を調べた論文Gemini を調べた論文公開モデル を調べた論文

調査の条件

論文が調べたこと
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)
調べた対象の AI
ChatGPT、Gemini、公開モデル
調べたモデル
GPT-5.4/Qwen3.5-122B-A10B/Gemini-3.5-flash
回答データの取り方
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)
調査の規模
マクロカテゴリ6、各150クエリ、候補10件(本文)
数字が載っている場所
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

結果を読むときの注意

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。

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。

「GEO手法・効果検証」を調べたほかの論文