arXiv cs.AI· Xiaolu Chen, Jie Bao, Haojie Wu, Zhen Chen, Liwei Pan, Yong Liao·· 12 小时前AI 评分27
RAID：无需目标查询的角色增强意图驱动生成式搜索引擎优化方法
Role-Augmented Intent-Driven Generative Search Engine Optimization
AI 导读
研究者提出 RAID，一种在无法获取目标查询及 GSE 反馈的情况下运行的生成式搜索引擎优化（G-SEO）方法，先从源内容推断主检索意图，再经 4W 多角色深度反思细化意图，联合指导内容规划与改写。
正文 · AI 翻译
摘要：生成式搜索引擎（GSE）将大语言模型（LLM）与检索增强生成（RAG）相结合，正在重塑用户获取网络信息的方式，并使生成式回答中的来源可见性与影响力成为新的优化目标。现有的生成式搜索引擎优化（G-SEO）方法旨在提升内容可见性，但许多方法依赖于直接访问目标查询或由这些查询引发的 GSE 反馈。然而，网络内容通常在未来用户查询已知之前就已被优化并发布，因此在不访问目标查询或其相关反馈的情况下进行 G-SEO 成为一个重要但尚未充分探索的问题。为解决这一问题，我们提出 RAID，一种角色增强的意图驱动 G-SEO 方法，可在不访问目标查询或依赖查询的 GSE 反馈的情况下运行。RAID 从源内容中推断主要检索意图，通过对潜在搜索者信息需求的 4W 多角色深度反思对其进行细化，并利用主要意图和细化意图共同规划和重写源内容。我们进一步扩展了 GEO-BENCH，加入多样化的主题相关查询变体，仅将原始查询及其变体用于评估，以衡量对优化过程中未见查询的泛化能力。在 100 个样本和 500 个评估查询上，RAID 在客观总体和主观平均上分别取得 3.00\% 和 1.32\% 的相对提升分数（RIS），分别比九种预定义 GEO 重写策略中的最佳对应结果高出 1.31 和 0.74 个百分点。当 $\mathrm{RIS}>0$ 时视为优化有效，其在客观总体和主观平均上的有效优化率平均为 58.0\%，比预定义策略中的最高对应平均值高出 4.5 个百分点。
| 评论： | 12 页，5 幅图，9 张表 |
| 主题： | 信息检索（cs.IR）；人工智能（cs.AI） |
| 引用为： | arXiv:2508.11158 [cs.IR] |
| （或 arXiv:2508.11158v3 [cs.IR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2508.11158 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Xiaolu Chen [查看邮箱]
[v1]
2025 年 8 月 15 日星期五 02:08:55 UTC（553 KB）
[v2]
2026 年 3 月 18 日星期三 13:12:31 UTC（1,829 KB）
[v3]
2026 年 10 月 27 日星期二 09:58:45 UTC（2,851 KB）
来源：arXiv cs.AI · arxiv.org