论文提出通过追加内容操控LLM搜索排名的CORE方法
资讯摘要
论文提出CORE方法，通过向搜索引擎返回的内容追加优化内容来影响LLM搜索的输出排名，并设计字符串型、推理型、评论型三类优化内容。作者构建ProductBench基准（15个品类、每类200个产品），在GPT-4o、Gemini-2.5、Claude-4、Grok-3上测试，报告Top-5、Top-3、Top-1平均提升成功率分别为91.4%、86.6%、80.3%。
要点速读
- CORE针对黑盒LLM搜索，以追加优化内容的方式影响输出排名，分字符串、推理、评论三类
- 作者构建ProductBench，含15个产品品类、每类200个产品及亚马逊搜索前10推荐
- 在四个具备搜索能力的LLM上，作者报告平均提升成功率91.4%@Top-5、86.6%@Top-3、80.3%@Top-1
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。