{
  "@context": "https://schema.org",
  "@type": "Report",
  "schema_version": "1.1",
  "content_item_id": "weekly-research-2026-08-17.ru",
  "translation_group_id": "weekly-research-2026-08-17",
  "locale": "ru",
  "type": "research",
  "section": "research",
  "slug": "weekly-research-2026-08-17",
  "title": "Еженедельный GEO-ресерч: четыре границы измерения AI-видимости",
  "description": "Синтез четырёх первичных работ о контексте, retrieval, citation quality и происхождении веб-контента.",
  "direct_answer": "Неделя не дала универсального фактора роста, но дала четыре практических ограничения: контекст диалога меняет ответ, один запуск не покрывает все источники, больше цитат может ухудшить доказательность, а provenance страницы нельзя превращать в рецепт генерации.",
  "sections": [
    {
      "heading": "Вопрос и рамка недели",
      "paragraphs": [
        "Вопрос этой недели — какие свежие публикации действительно меняют измерение AI-видимости и объяснение изменений в ответах. Материал объединяет четыре первичных работы, опубликованные или обновлённые в августе 2026 года. Это не рейтинг платформ и не обещание получить цитаты. Единица анализа — конкретный эксперимент, его выборка и артефакт. Мы разделяем fetch, retrieval, mention, citation и referral: совпадение этих событий по времени не доказывает, что одно вызвало другое. Такой каркас нужен, потому что слово «видимость» часто смешивает технический доступ, выбор источника и поведение человека."
      ]
    },
    {
      "heading": "Контекст диалога — часть условия теста",
      "paragraphs": [
        "В исследовании от 3 августа сравнивали многоходовые разговоры, сохраняя последнюю реплику одинаковой. Модель получала либо полный разговор, либо только последний вопрос, либо короткое восстановление истории. В 44,7% наблюдений полный разговор и вопрос без истории дали материально разные ответы; судья считал часть различий способной изменить действие пользователя. Это не доказывает, что длинная история всегда лучше и не измеряет веб-поиск. Но результат делает некорректным сравнение двух замеров, если один запуск был продолжением диалога, а другой — чистым вопросом. В паспорте теста надо хранить conversation_state и способ передачи истории."
      ]
    },
    {
      "heading": "Повторы показывают неполноту одного ответа",
      "paragraphs": [
        "В медицинской выборке от 13 августа три production-чатбота подбирали первичные исследования для 20 клинических вопросов и сравнивались с экспертным набором Cochrane. Один ответ находил в среднем 39,2% включённых работ; объединение четырёх повторов находило 74,2% хотя бы раз. Формулировка от лица исследователя давала больший охват, чем пациентская. Эти проценты относятся только к двадцати медицинским вопросам и не переносятся на бренды или коммерческий поиск. Практический вывод уже переносим как метод: считать стабильное ядро, совокупный охват и редкий хвост отдельно. Пропуск в одном ответе не доказывает отсутствия источника в знаниях системы."
      ]
    },
    {
      "heading": "Цитируемость без доказательности опасна",
      "paragraphs": [
        "Лабораторная работа от 11 августа многократно переписывала уже найденные документы, чтобы генеративная система чаще их цитировала. При повторных вмешательствах тексты накапливали неподтверждённые утверждения; механизм, вознаграждавший проверяемое содержание, давал лучший баланс в benchmark. Это не production-аудит ChatGPT, Google или Perplexity и не раскрывает их алгоритмы. Для редакционной метрики нужно держать раздельно candidate set, показ ссылки, поддержку конкретного тезиса и отсутствие новых ошибок. Рост citation share сам по себе не является успехом, если источник перестал быть проверяемым."
      ]
    },
    {
      "heading": "Что означает наблюдение об AI-generated provenance",
      "paragraphs": [
        "Аудит Google AI Overview от 25–29 мая на 2 597 YMYL-запросах обнаружил, что страницы, помеченные коммерческим AI-detector как AI-generated, среди наблюдаемой выборки цитировались чаще. Однако это наблюдение не устанавливает причинность: detector спорен, качество и конфаундеры контролировались ограниченно, а авторская связь с компанией-детектором требует осторожности. Особенно важно, что разрыв в основном возникал у URL вне собранного organic top-100. Поэтому provenance можно изучать как экспериментальный признак, но нельзя советовать генерировать тексты ради citation."
      ]
    },
    {
      "heading": "Ограничения и следующая проверка",
      "paragraphs": [
        "S01 измерял генерацию без веб-поиска; нужно проверить, меняет ли история query rewriting и набор ссылок в search-enabled режимах. S02 относится к медицинским вопросам, S03 — к симуляции, S04 — к наблюдательному аудиту с чувствительной классификацией. Ни одна работа не раскрывает универсальный фактор ранжирования. Следующий воспроизводимый тест должен заранее фиксировать чистый вопрос или продолжение, делать минимум четыре повтора, сохранять полный ответ и отдельно проверять citation и поддерживающий фрагмент. Результат следует публиковать с абсолютными числами, периодом, языком, выборкой и уровнем уверенности."
      ]
    },
    {
      "heading": "Минимальный протокол для редакции",
      "paragraphs": [
        "Перед каждым сравнением запишите точный вопрос, язык, регион, поверхность, режим и состояние диалога. Сохраните полный ответ, все ссылки, время и версию страницы. Для каждого результата задайте отдельный verdict: fetch, mention, citation, supporting evidence или referral. Если источники отличаются, не называйте это изменением ранжирования без matched-панели. Читателю нужно показать не только красивую цифру, но и знаменатель, исключения и границу применимости. Такой протокол превращает еженедельную заметку в накопительную базу: новый запуск можно сравнить со старым, а исправление не стирает прежнее наблюдение."
      ]
    },
    {
      "heading": "Редакционный вывод",
      "paragraphs": [
        "Главная ошибка недели — называть системой известным то, что было проверено только один раз. Практически полезная публикация должна показывать вопрос, условие, источник и ограничение. Если разговор продолжался, это часть теста; если ответ повторили, это часть метода; если ссылка появилась, нужно проверить, какой именно тезис она поддерживает. Такой формат позволяет читателю отличить новое знание от красивого предположения. Он также сохраняет историю: следующий цикл может подтвердить, уточнить или опровергнуть вывод, не переписывая старую дату и не скрывая расхождение."
      ]
    },
    {
      "heading": "Единица наблюдения: от URL до действия",
      "paragraphs": [
        "Для мониторинга ответ нужно разложить на уровни: кандидат, извлечение, упоминание, ссылка, поддержка тезиса и действие пользователя. Эти события расходятся: страница может попасть в candidate set, но не быть процитированной; ссылка может вести на домен, но не поддерживать конкретную фразу. Поэтому отчёт должен хранить матрицу событий, полный ответ, условия диалога и доказательный фрагмент, а не одну оценку visibility. Повторяемый протокол превращает еженедельную заметку в накопительную базу: следующий запуск сравнивается с прежним без переписывания исходного наблюдения."
      ]
    }
  ],
  "published_at": "2026-08-17",
  "modified_at": "2026-08-17",
  "data_through": "2026-08-17",
  "next_review_at": "2026-10-11",
  "author": "GeoAeoAle Editorial",
  "origin": "editorial",
  "topics": [
    "weekly-research"
  ],
  "publisher": "GeoAeoAle Editorial",
  "license": "https://creativecommons.org/licenses/by/4.0/",
  "canonical_url": "https://geoaeoale.com/ru/research/weekly-research-2026-08-17/",
  "claims": [
    {
      "claim_id": "weekly-0817-context",
      "text": "В контролируемой выборке полный разговор и тот же последний вопрос без истории дали разные ответы в 44,7% случаев.",
      "status": "observed",
      "confidence": "medium",
      "source_ids": [
        "weekly-0817-s01"
      ],
      "publication_status": "public",
      "confidentiality": "public"
    },
    {
      "claim_id": "weekly-0817-repeats",
      "text": "Один ответ находил 39,2% экспертного набора, а четыре повтора — 74,2% хотя бы раз.",
      "status": "observed",
      "confidence": "medium",
      "source_ids": [
        "weekly-0817-s02"
      ],
      "publication_status": "public",
      "confidentiality": "public"
    },
    {
      "claim_id": "weekly-0817-citation",
      "text": "Оптимизация ради большей цитируемости в лабораторной симуляции накапливала неподтверждённые утверждения.",
      "status": "observed",
      "confidence": "medium",
      "source_ids": [
        "weekly-0817-s03"
      ],
      "publication_status": "public",
      "confidentiality": "public"
    }
  ],
  "sources": [
    {
      "source_id": "weekly-0817-s01",
      "canonical_url": "https://arxiv.org/abs/2608.02556",
      "title": "Conversation history changes model answers",
      "publisher": "Primary research",
      "source_type": "primary-research",
      "locale": "en",
      "published_at": null,
      "checked_at": "2026-09-11",
      "sha256": "055a85b7e9eab3d66ce51d71d68b604cd74e6a8aad56a849ee08cabf96e8a1dc",
      "license": "Source terms apply",
      "visibility": "public"
    },
    {
      "source_id": "weekly-0817-s02",
      "canonical_url": "https://arxiv.org/abs/2608.13786",
      "title": "Chatbots retrieve different subsets of evidence",
      "publisher": "Primary research",
      "source_type": "primary-research",
      "locale": "en",
      "published_at": null,
      "checked_at": "2026-09-11",
      "sha256": "e0c2be30ab5d803f1aa70b88dcdf736530c823bf66705f98c68e2bee5ee6dfa0",
      "license": "Source terms apply",
      "visibility": "public"
    },
    {
      "source_id": "weekly-0817-s03",
      "canonical_url": "https://arxiv.org/abs/2608.11390",
      "title": "Citation optimization and evidence quality",
      "publisher": "Primary research",
      "source_type": "primary-research",
      "locale": "en",
      "published_at": null,
      "checked_at": "2026-09-11",
      "sha256": "46949ff2bbd6d7271202eadcceb5d7a363a979992d97885e882dae0fbf54fdc3",
      "license": "Source terms apply",
      "visibility": "public"
    },
    {
      "source_id": "weekly-0817-s04",
      "canonical_url": "https://proceedings.mlr.press/v318/kakimov26a.html",
      "title": "Auditing AI-generated provenance and citation quality",
      "publisher": "Proceedings of Machine Learning Research",
      "source_type": "primary-research",
      "locale": "en",
      "published_at": null,
      "checked_at": "2026-09-11",
      "sha256": "e6d3f42f3fde295adab962829b9a9dd1fefb857dde55ac85240beaa6c787df0e",
      "license": "Source terms apply",
      "visibility": "public"
    }
  ],
  "related_slugs": [
    "measuring-ai-visibility",
    "ai-citation",
    "retrieval"
  ],
  "limitations": [
    "Выборки, модели, языки и поверхности различаются; наблюдения нельзя переносить на весь веб или объявлять причинными эффектами."
  ],
  "corrections": []
}