כתבה
arXiv cs.CL ·
שאילתות חוזרות מרוקנות המלצות מותגים של LLM
Repeated Queries Exhaust an LLM's Brand Recommendations but Not Its Sources
מחקר חדש מראה כי שאילתות חוזרות יכולות למרוקן את המלצות המותגים של מודלי שפה. המחקר בדק 300 שאילתות ו-6 מנועים שונים, ומצא כי 86-92% מהתאים עדיין הוסיפו מותגים חדשים ברון 15. הממצאים מראים כי הצטברות הדומיינים עדיין עולה בכל האופקים שנבדקו.
תקציר מקורי באנגליתarXiv:2609.05059v1 Announce Type: cross Abstract: Whether repeated identical buying questions exhaust a language model's brand recommendations depends on retrieval. Across 300 question-engine cells (50 questions, six engines, 15 runs each, open extraction over 1,470 adjudicated organizations), the five engines answering without web search were still adding never-seen brands at run 15 in 86-92% of cells, with median repertoires of 15-31 organizations; the one retrieval-enabled engine closed its list (median 8 organizations, 64% of cells still adding), matching four earlier deep cells where web-search runs saturated by run ten. Cited-domain accumulation keeps rising at every horizon tested: four deep cells were still adding domains at run 24 with 59-84% of the Chao2 lower-bound estimate obse
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית