LLMO・GEO の研究論文と民間調査/引用・出典選択
研究論文
回答エンジンが何を引用するかを予測する:決定モデル、リランカー、蒸留した4B学生を、統制検索の10エンジンで
原題:Predicting What Answer Engines Cite: Open Decision Models, Rerankers and a Distilled 4B Student on Ten Engines under Controlled Retrieval
著者は Elisha Bajemon, Andre-Louis Rochet。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:2610.38090)論文が報告した結果
生成エンジン最適化のために、候補ページが引用のどれだけを取るかを予測するスコアを、既存のリランカー、ホスト型の決定モデル Jev、オープンな決定モデル、蒸留学生で比べた。
同じ候補をプロンプトに渡した10エンジンで、同じ質問に複数が答えたときのエンジン間の Spearman 相関は0.704。学習なしの Jev とオープンな27B決定モデル2つが最も強く、0.575〜0.578だった。Qwen3-Reranker-4B を教師ラベルで調整した学生(GEO Citation Ranker)も公開している。
調査の条件
- 論文が調べたこと
- 回答エンジンが何を引用するかを、公開された決定モデルや再ランカーで予測できるか
- 調べた対象の AI
- 公開モデル、研究用の独自システム
- 調べたモデル
- Jev/オープンな27B決定モデル2つ/Qwen3-Reranker-4B の蒸留学生/同じ候補を渡した10エンジン(名称の完全な一覧は本文)
- 回答データの取り方
- 統制した検索(同じ候補ソースをプロンプトに渡す)でのオフライン評価(要旨)
- 調査の規模
- GEO-Bench のクエリ。10エンジン。同じクエリに複数が答えた場合の一致を報告(要旨)
- 数字が載っている場所
- 要旨(Spearman 0.704、Jev 等 0.575〜0.578)。モデル公開先はコメント(Hugging Face)
結果を読むときの注意
候補はプロンプトに同じものを渡しており、ライブ検索のランキングそのものではない。データは GEO-Bench。10エンジンの個別名称の完全な一覧は要旨にはない。
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。
「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