前言：
大型语言模型（LLM）的出现开创了搜索引擎的新范式，这类引擎通过生成式模 型收集和总结信息来回答用户查询。这项新兴技术在生成式引擎（GE）的统一框 架下得以系统化，能够生成精准且个性化的响应，迅速取代谷歌、必应等传统搜 索引擎。生成式引擎通常通过整合多源信息并利用LLM进行摘要来满足查询需求。 虽然这种转变显著提升了用户体验和生成式搜索引擎的流量，但给第三方利益相 关者——网站和内容创作者带来了巨大挑战。由于生成式引擎具有黑箱特性且发 展迅猛，内容创作者对其内容何时及如何展示几乎毫无掌控权。面对生成式引擎 的持续存在，我们必须确保创作者经济不受损害。为此，我们引入了生成式引擎 优化（GEO），这是首个创新范式，通过灵活的黑盒优化框架帮助内容创作者提 升其内容在生成式引擎响应中的可见度，该框架可优化并定义可见性指标。我们 通过引入GEO基准测试，构建了一个涵盖多个领域的大规模用户查询基准，并提 供相关网络资源以解答这些查询，从而实现系统的评估。通过严格评估，我们证 明GEO技术可将生成引擎响应的可见度提升高达40%。此外，我们发现这些策略 在不同领域的有效性存在差异，这凸显了领域特定优化方法的重要性。本研究为 信息发现系统开辟了新领域，对生成引擎开发者和内容创作者都具有深远影响。
需要全文完整版可以加微信：AIOS8899
本文地址：https://www.oascrm.cn/ai/298.html
