生成式搜索引擎的偏好以及如何协同优化网络内容

通过使用大型语言模型 (LLM) 来检索文档并生成自然语言响应，生成式引擎（如 Google AI Overview 和 ChatGPT）提供了显著增强的用户体验，并迅速成为新的搜索形式。它们的快速采用也推动了生成式引擎优化 (GEO) 的需求，因为内容提供商渴望从中获得更多流量。在本文中，我们介绍了 AutoGEO，这是一个用于在检索到的内容用于响应生成时自动学习生成式引擎偏好的框架，并重写网络内容以获得更多此类流量。AutoGEO 首先提示前沿 LLM 来解释生成式引擎偏好，并从这些解释中提取有意义的偏好规则。然后，它使用偏好规则作为 AutoGEO_API（一个基于提示的 GEO 系统）的上下文工程，并将其作为基于规则的奖励来训练 AutoGEO_Mini（一个成本效益高的 GEO 模型）。在标准的 GEO-Bench 和使用真实用户查询构建的两个新基准上的实验证明了 AutoGEO 在提高内容流量同时保持搜索效用方面的有效性。分析证实了学习到的规则的稳健性以及它们捕获不同领域独特偏好能力，以及 AutoGEO 系统将它们嵌入内容优化中的能力。代码已在 https://github.com/cxcscmu/AutoGEO 发布。