Beyond Retrieval: 生成エンジン最適化における確信度の減衰をモデリングし、決定論的エージェント基盤を用いる
arXiv cs.AI / 2026/4/7
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、Retrieval-Augmented Generation（RAG）に依存する現在の生成エンジン最適化（GEO）アプローチでは、確率的な幻覚や「ゼロクリック」パラドックスが生じ、持続可能な商業的信頼が損なわれると論じている。
- 連続的な時間的・文脈的攪乱の下でLLMの確信度がどのように減衰するかを数理的にモデル化するために、Semantic Entropy Drift（SED）を提案する。
- ブラックボックスのマーケティング・エンジンにおける最適化の影響を評価するために、厳格なヒト・イン・ザ・ループによる隔離を備えたマルチエージェントシステムを用い、幻覚に対してペナルティを与える Isomorphic Attribution Regression（IAR）を提案する。
- 提案する転換は、回答生成の代わりに、Determinstic Agent Handoff（DAH）プロトコルと Agentic Trust Brokerage（ATB）エコシステムによる決定論的なマルチエージェントによる意図ルーティングへと置き換える。
- 実証的な検証は、Yishu Technologyの EasyNote を用いて行われており、専門の知識グラフ課題に対する意図ルーティングにより、縦方向のタスク幻覚率がほぼゼロにまで低減されることが示されている。
