论文
超越真空：竞争者感知生成引擎优化的组合策略选择
Beyond the Vacuum: Combinatorial Strategy Selection for Competitor-Aware Generative Engine Optimization
摘要
生成引擎优化 (GEO) 已成为一种新颖的范例，用于转换内容以提高 大语言模型 (LLM) 响应的可见性。然而，传统的 GEO 方法孤立地选择重写策略，忽略了一个关键的外部性：随着内容优化采用的增长，重写内容的最佳策略会发生变化。我们将 GEO 形式化为一个竞争者感知的策略选择问题，并提出了一个两阶段的流程来解决它：（1）我们使用组合结构的贝叶斯优化（BOCS）来有效地搜索重写策略的空间，（2）我们从 BOCS 黑盒观察中生成偏好对和基础推理轨迹，以微调语言模型来分析文档语料库并提出最佳重写策略组合。我们在 geo-bench 和综合增强的竞争数据集 geo-bench_comp 上，在多个印象指标上实现了与现有代理和单启发式方法相比最先进的性能。我们的方法还可以转移到多个分布外数据集，证明跨域、查询和文档类型有效。