Η αρχιτεκτονική της ανάκτησης πληροφοριών στα LLMs
Το πείραμα του StateGlobe αποδεικνύει ότι τα LLMs δεν λειτουργούν ως απλοί αναγνώστες της κατάταξης της Google. Αντιθέτως, κατά τη διαδικασία του grounding, το μοντέλο εκτελεί δικά του sub-queries (fanout queries) για να εντοπίσει συγκεκριμένα δεδομένα που θα «γεμίσουν» τα κενά γνώσης του. Η ικανότητα ενός ιστότοπου να εμφανίζεται σε αυτές τις απαντήσεις εξαρτάται από τη δομή του περιεχομένου και τη δυνατότητα των bots (όπως το ChatGPT-User) να εξάγουν εύκολα πληροφορίες, ανεξάρτητα από το αν η σελίδα έχει index στη Google.
Το πρόβλημα της ιεράρχησης και της επαλήθευσης
Τα LLMs δίνουν προτεραιότητα στη συνάφεια (relevance) και την αυθεντικότητα της μορφής, όχι στην αλήθεια. Καθώς το κόστος υπολογιστικής ισχύος για την επαλήθευση κάθε στατιστικού στοιχείου σε πραγματικό χρόνο είναι απαγορευτικό, τα μοντέλα βασίζονται σε rerankers που αξιολογούν την πιθανότητα ορθότητας βάσει της δομής και της φρεσκάδας (recency bias). Αυτό δημιουργεί ένα κενό ασφαλείας όπου η «φρεσκάδα» μιας σελίδας, υποδηλούμενη από χρονολογίες και τίτλους, υπερισχύει της πραγματικής εγκυρότητας των δεδομένων.
Στρατηγικές για αποτελεσματικό GEO
Για τους μηχανικούς και τους content strategists, η βελτιστοποίηση για AI απαιτεί μια αλλαγή παραδείγματος:
- Passage-level optimization: Τα δεδομένα πρέπει να είναι αυτόνομα, ώστε να μπορούν να ανακτηθούν και να κατανοηθούν χωρίς το ευρύτερο context της σελίδας.
- Διαλειτουργικότητα (interoperability) με bots: Αποφυγή JavaScript-heavy περιεχομένου που εμποδίζει το crawling και διασφάλιση ότι τα robots.txt επιτρέπουν την πρόσβαση σε retrieval bots.
- Δομημένη τεκμηρίωση: Η χρήση σαφών αναφορών (source + year) δίπλα σε κάθε αριθμητικό στοιχείο αυξάνει την πιθανότητα επιλογής από τον αλγόριθμο του LLM.