Yapay zeka denetimi satıcı sinyallerini 113.472 testle fiyatladı

Felix Buecheler, Gerardo Berbeglia ve Mingyu Guo, 113.472 testin ardından 20 Ekim'de yayımlanan bir arXiv ön baskısında satıcıların yapay zeka alışveriş ajanları üzerindeki etkisine yönelik fiyat eşdeğeri bir denetim önerdi.

Buecheler, Berbeglia ve Guo'nun 20 Ekim tarihli arXiv ön baskısı; bir sinyalin neredeyse her karşılaştırmayı kazandığı durumlarda sıradan seçim oranı testlerinin yetersiz kalabildiği bir ortamda, yedi model genelinde rozetleri, onayları ve çerçevelemeyi para tabanlı bir ölçüme dönüştürmesi nedeniyle önem taşıyor.

Yazarlar bu sorunu, satıcı içeriklerinin yapay zeka tarafından oluşturulan tavsiyeleri nasıl şekillendirdiğini anlamaya yönelik bir çaba olan üretken motor optimizasyonundaki (GEO) bir ölçüm açığı olarak tanımlıyor. Yazarlar konunun “satıcı içeriğinin bir ajanın seçimini değiştirip değiştirmediği değil, ne kadar değiştirdiği” olduğunu belirtti.

Yöntemleri, dengelenmiş ve konum kontrollü bir zorunlu seçim testinde model ürünü yalnızca %50 oranında seçene kadar satıcı sinyali taşıyan ürünün fiyatını artırıyor. Ortaya çıkan prim, farklı satıcı sinyallerini parasal açıdan karşılaştırılabilir hale getirmeyi amaçlayan bir başabaş eşiği olan sinyalin fiyat eşdeğeridir.

Yazarlar, fiyata dönüştürüldüğünde, eşit fiyatlarda benzer şekilde ikna edici görünen sinyallerin geniş farklarla ayrıştığını söyledi. Yazarların vardığı sonuca göre, seçim oranı denetimleri “satıcı etkisini önemli ölçüde eksik çözümlüyor”.

Özete göre denetim, farklı ailelerden yedi modeli ve iki ürün kategorisini kapsadı. Makale ayrıca, metin üretmek yerine doğrudan bir seçim olasılığı sunması nedeniyle yazarların karar-yerel model olarak tanımladığı Jev'i de inceledi.

Yazarlar Jev'in sonuçlarının test edilen metin modellerinden farklı olduğunu söyledi. Yazarlar modelin “çoğu sinyale direnç gösterdiğini ancak en güçlü sosyal kanıt iddialarına karşı açık kaldığını” yazdı.

Makalenin kurumsal önemi, ürünleri kısmen satıcı tarafından sağlanan ifadelere göre sıralayabilen veya önerebilen pazar yerleri, yapay zeka alışveriş araçları ve arama sistemleri için çok açık. Ajanlar sunum biçiminden etkilenebiliyorsa, geliştiricilerin ve denetçilerin bu etkiyi bir ürünün ikili bir seçimi kazanıp kazanmadığının ötesinde karşılaştırabilmeleri için bir yönteme ihtiyacı var.

Ön baskı henüz hakem değerlendirmesinden geçmedi.

Yazarlar; uyaranları, günlük kayıtlarını ve kodları tek bir puan yerine her modelin sinyal-fiyat profilini bildiren bir kıyaslama standardı olarak yayımladıklarını söyledi. Ön baskı arXiv'e 19 Ekim'de arXiv:2610.25843v1 olarak sunuldu.

Kaynak: arXiv cs.AI ön baskısı, 20 Ekim 2026.