LLMはどのページを引用するかをどう判断するのか—そして最適化方法

ChatGPT や Perplexity が質問に回答するとき、RAG を実行します。つまり、クロール済みのインデックスから上位の候補を取得し、その後それらをスコアリングします。スコアリング基準は、プリンストンの GEO 論文（arxiv.org/abs/2311.09735）にある公開情報です。

重要なシグナルは、回答の直接性、引用された統計、構造化データ（JSON-LD）、クロールへのアクセス、そしてコンテンツの鮮度です。

研究で私が最も驚いたのは、スキーママークアップだけで、正確な情報抽出が 16% から 54% に変わることです。これはわずかな改善ではありません。引用されるか、まったく見えない存在になるかの違いです。

この点を試している人はいますか？ ここで人々にとってうまく機能していることが何か知りたいです。