Il Framework MAGEO Introduce l'Apprendimento di Strategie Riutilizzabili per l'Ottimizzazione dei Motori Generativi

Un gruppo di ricercatori ha presentato MAGEO, un nuovo framework multi-agente che affronta l'Ottimizzazione dei Motori Generativi come una sfida di apprendimento anziché trattare ogni caso individualmente. Questa configurazione promuove il lavoro di squadra nella pianificazione, modifica e valutazione con un'enfasi sulla fedeltà. Funge da livello di esecuzione in cui le tecniche di modifica verificate si evolvono in competenze di ottimizzazione riutilizzabili e personalizzate per motori specifici. Hanno anche creato il Twin Branch Evaluation Protocol per valutare le modifiche ai contenuti e introdotto DSV-CF, una metrica a doppio asse che unisce la visibilità semantica con l'accuratezza dell'attribuzione. Inoltre, hanno rilasciato MSME-GEO-Bench, un benchmark con vari scenari e motori ispirati a query del mondo reale. I loro esperimenti hanno coinvolto tre principali motori generativi, dimostrando come questi motori stiano cambiando l'accesso alle informazioni. I risultati sono stati condivisi su arXiv con l'identificatore 2604.19516v1.