Ottimizzazione dei motori di ricerca generativi con AgenticGEO

I motori di ricerca generativi rappresentano un'evoluzione rispetto ai sistemi tradizionali basati sulla classificazione, spostando l'attenzione verso la sintesi basata su modelli linguistici di grandi dimensioni (LLM). L'ottimizzazione dei motori generativi (GEO) mira a massimizzare la visibilità e l'attribuzione nei risultati riassuntivi, manipolando strategicamente il contenuto sorgente.

AgenticGEO è un framework che affronta le sfide poste dai metodi esistenti, spesso limitati da euristiche statiche o dalla difficoltà di adattarsi ai comportamenti mutevoli dei motori di ricerca. Il sistema formula l'ottimizzazione come un problema di controllo condizionato dal contenuto, migliorando la qualità intrinseca del contenuto per adattarsi in modo robusto ai comportamenti imprevedibili dei motori.

Architettura e funzionamento

A differenza delle strategie fisse, AgenticGEO impiega un archivio MAP-Elites per sviluppare strategie diversificate e compositive. Per ridurre i costi di interazione, introduce un Co-Evolving Critic, un surrogato leggero che approssima il feedback del motore per la selezione e il perfezionamento della strategia specifica per il contenuto, guidando in modo efficiente sia la ricerca evolutiva che la pianificazione in fase di inference.

I risultati sperimentali dimostrano che AgenticGEO raggiunge prestazioni superiori rispetto a 14 baseline su 3 dataset, mostrando una solida trasferibilità tra domini diversi. Il codice e il modello sono disponibili su GitHub.