Як Google AI Mode і Gemini обирають конкретні речення для цитування
https://hackmd.io/@A09fyOMpSD2VYIJodmXHqQ/r1eJyqthdbe

Автор виявив, що значна частка citation-URL у Google AI Mode та Gemini містить прихований фрагмент Web Text Fragments виду #:~:text=, який кодує точний уривок, взятий зі сторінки для grounding. Розкодувавши ці фрагменти масово, можна аналізувати цитування на рівні речень: довжина, позиція на сторінці, читабельність, вплив структури

Висновки з дослідження на 42к+ цитувань з 520 запитів:

— AI Mode: 70,9% citation-URL містять text fragment.
— Gemini: 51,8%.

— Середня позиція процитованих речень: 34,9% глибини сторінки.
— 75% цитат трапляються в першій половині сторінки.

— Медіанна довжина процитованого речення: 10 слів.
— Максимум у датасеті: 17 слів; довших речень не цитували.

— Сторінки зі структурними елементами (списки/таблиці/заголовки) мали 91,3% успішного зіставлення речення з джерелом.
— Неструктуровані сторінки: 39,3%.

Також серед процитованих сторінок:
- 98,1% мали списки
- 2,2% мали таблиці
- середня кількість заголовків: 24
- середня кількість абзаців: 133

AI Mode і Gemini майже не перетинаються за доменами. Цитування далеко виходить за межі органічного топ-10.

— Медіанний вік процитованої сторінки: 819 днів (2,2 роки).
— 52,7% сторінок старші за 2 роки (26,5% 2–5 років і 26,3% 5+ років).

В статті ще багато цікавого.