arXiv cs.AI· Hengwei Ye, Jiasheng Mao, Zhenhan Guan, Zheng Tian·· 11 小时前AI 评分31
EcoGEO：面向联网 LLM 搜索智能体的轨迹感知证据生态
EcoGEO: Trajectory-Aware Evidence Ecosystems for Web-Enabled LLM Search Agents
AI 导读
研究者提出 EcoGEO，将生成引擎优化（GEO）从单页面问题扩展为面向联网 LLM 智能体的环境级影响问题，并给出 TRACE 方法：围绕推荐查询与虚构目标产品，构建由导航入口页和异构支撑页组成的受控证据环境。
正文 · AI 翻译
摘要：支持网络的 LLM 智能体正在改变在线信息影响搜索结果的方式。现有的生成引擎优化（GEO）研究主要聚焦于单个网页。然而，智能体式网络搜索并非单文档场景：智能体可能发出查询、抓取页面、跟随链接、重构搜索，并在多个浏览步骤中综合证据。因此，影响力不仅取决于页面内容，还取决于页面在智能体浏览轨迹中如何被组织、连接和遇到。我们通过生态系统生成引擎优化（EcoGEO）研究这一转变，将 GEO 视为面向支持网络的 LLM 智能体的环境级影响问题。为具体化这一视角，我们提出 TRACE，即轨迹感知的协同证据生态系统。给定一个推荐查询和一个虚构的目标产品，我们的方法构建一个受控的证据环境，协调一个面向智能体的导航入口页面与异构的支持页面。这些页面使用共享术语、内部链接和一致的产品属性来引入、验证和强化目标产品。我们在 OPR-Bench（一个开放式产品推荐基准）上评估我们的方法。实验表明，它在推荐方面始终优于页面级 GEO 基线。轨迹级指标显示初始目标访问和额外内部链接浏览有所改善，而后续搜索效应因骨干模型和对比方法而异。结合多页面基线和消融实验，这些发现支持证据组织在塑造智能体证据获取过程中的作用。总体而言，我们的发现支持 GEO 的生态系统研究范式，即在更广泛的证据环境背景下研究支持网络的 LLM 智能体，这些环境引导搜索、浏览和答案综合。
| 评论： | 已被 NeurIPS 2026 接收 |
| 主题： | 信息检索（cs.IR）；人工智能（cs.AI） |
| 引用为： | arXiv:2605.12887 [cs.IR] |
| （或 arXiv:2605.12887v3 [cs.IR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.12887 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Hengwei Ye [查看电子邮件]
[v1]
2026年5月13日星期三 02:03:18 UTC（2,537 KB）
[v2]
2026年7月1日星期三 02:19:45 UTC（2,537 KB）
[v3]
2026年11月5日星期四 09:38:03 UTC（2,536 KB）
来源：arXiv cs.AI · arxiv.org