写作前思考：生成引文可见性的特征级多目标优化

生成答案引擎通过选择性引用而不是排名检索来公开内容，从根本上改变了可见性的确定方式。这种转变需要传统搜索引擎优化之外的新优化方法。现有的生成引擎优化 (GEO) 方法主要依赖于 词元级 文本重写，可解释性有限，并且对引文可见性和内容质量之间的权衡控制较弱。我们提出了 FeatGEO，一个特征级、多目标优化框架，它将网页抽象为可解释的结构、内容和语言属性。 FeatGEO 不是直接编辑文本，而是对此特征空间进行优化，并使用语言模型将特征配置实现为自然语言，从而将高级优化与表面级生成解耦。在 GEO-Bench 上跨三个生成引擎进行的实验表明，FeatGEO 在保持或提高内容质量的同时不断提高引文可见性，大大优于 词元级 基线。进一步的分析表明，与孤立的词汇编辑相比，引用行为更受文档级内容属性的影响，并且学习到的特征配置可以泛化到不同规模的语言模型。