Всех с днем 🐈 и весны 😅

😬 Патентоебы скучали? Пост для тех, кто дрочит на нейронки и жить без них не может

Все мы знаем, что ИИ ловит галюны — уверенно выдает чушь за истину.

Но есть уровень абсурда интереснее, о нем и хочу сегодня рассказать:

🔣Что такое фича "уровень уверенности"
🔣Внутрянка модели от входа до выхода
🔣Есть ли истинная истина
🔣Как обезопасить себя от ложных ответов
🔣Ссылки для самообразования


🥺 Уровень уверенности — надстройка от разработчиков

Многие представляют эту фичу так: «я уверен на 82%».

Однако, нет — это в корне неверно. Я очень много документов изучила, чтобы по-простому это объяснить.

Внутрянка такова

🔣модель на каждом шаге выбирает следующий токен из распределения вероятностей

🔣она оценивает не «истинность ответа», а насколько следующий кусок текста подходит к контексту

🔣дальше поверх этого люди уже докручивают: выражать неопределенность словами, говорить «не знаю», осторожничать, маркировать ответ как низкий, средний или высокий уровень уверенности

То есть уровень уверенности в интерфейсе — это не встроенное чувство истины, а надстроенная людьми форма самооценки.

Чтобы "уверенность" работала более-менее доказуемо, модель может опираться на реальные сигналы:

🔣устойчивость ответа
🔣наличие источников
🔣согласованность и другие паттерны

Но даже это не приближает нас к истине.


🥺 В чем подвох?

Модель работает на 2 крупных слоях.

Генерация ответа: говорит, что считает подходящим продолжением в рамках конкретного контекста.

Генерация оценки ответа: может сказать, насколько уверена в сказанном на выходе.

Прекол в том, что 2-й слой тоже может быть ложным.

🥺 Самое грустное

Модель выдала неверный факт — написала «я пиздец как уверена» — пользователь решил, что всё ок.

И по сути, это уже не галлюцинация, а ложная оценка галюна со знаком "+". Типа, бро, я тебе напиздела, но не сцы, я уверена, что все ок. И юзер сразу расслабляется. Ведь, ну она ж сама себя проверила.


🖱 Вывод

Уверенность LLM — это не доказательство истины. Есть вход/запрос и выход/ответ. И люди не видят всего, что происходит между входом и выходом. Да, они назначают веса на обучении и на тюне стараются сделать максимально качественные метрики ответов. Это не гарантия!

👏 Как постараться снизить обман ради классов

Отвечай максимально точно и проверяемо.

Факты — только если можешь подтвердить.

Если не можешь — пометь как предположение.

Не додумывай контекст.

Если речь про актуальное — сначала проверь источники и дай ссылки.

Отделяй факты, интерпретации и выводы.

Если надежного ответа нет — скажи это прямо.

Уровень уверенности указывай только вместе с объяснением, на чем он основан.

Помните, что главная проблема ИИ в том, что он слишком убедителен.

Умный ответ ≠ истинный ответ.
Уверенный ответ ≠ надежный ответ.
Высокая уверенность ≠ отсутствие галлюцинации.

🔗 Патенты и оф документы от крупных игроков рынка для самостоятельного ресерча

— OpenAI: Teaching models to express their uncertainty in words
https://openai.com/index/teaching-models-to-express-their-uncertainty-in-words/

— OpenAI: Why language models hallucinate
https://openai.com/index/why-language-models-hallucinate

— OpenAI: TruthfulQA
https://openai.com/index/truthfulqa/

— Anthropic: Reduce hallucinations
https://docs.anthropic.com/en/docs/test-and-evaluate/strengthen-guardrails/reduce-hallucinations

— Anthropic: Claude is providing incorrect or misleading responses
https://support.anthropic.com/en/articles/8525154-claude-is-providing-incorrect-or-misleading-responses-what-s-going-on

— Anthropic: Model System Cards
https://www.anthropic.com/system-cards

— xAI: Grok-1 Model Card
https://github.com/xai-org/grok-1/blob/main/model-card.md

— Патент: Confidence enhancement for responses by document-based large language models
https://patents.google.com/patent/US12242522B2

— Патент: Controlling uncertain output by large language models
https://patents.google.com/patent/US20250021468A1

😬 Как выгрузить все данные из Search Console в BigQuery без лимита в 1000 строк

Вам подарочек от Валентина Великолепного.

Стандартный экспорт из Search Console ограничен 1000 строками — для большого сайта это ни о чём. Решение — подключить BigQuery.

Шаги
🔣Создать проект в Google Cloud
🔣Включить BigQuery API и Search Console API
🔣Настроить OAuth consent screen
🔣Добавить сервисный аккаунт Search Console в IAM с двумя ролями — BigQuery Job User и BigQuery Data Editor
🔣Привязать платёжную карту и billing аккаунт к проекту
🔣Настроить экспорт в Search Console → Настройки → Массовый экспорт данных


Сложности, которые встанут на пути
🔣Нужен статус владельца сайта в Search Console, делегированный не подходит
🔣Сервисный аккаунт search-console-data-export@system.gserviceaccount.com не добавляется через IAM вручную — Google его не принимает как обычный аккаунт (решилось само после привязки карты)
🔣Без привязки платёжной карты экспорт не запускается даже в рамках бесплатного лимита
— Российские карты не принимаются — нужна иностранная


➡️ Резаааалт
Получитераспишитесь. Ежедневная автоматическая выгрузка всех данных включая неиндексируемые страницы с причинами — без каких-либо ограничений по количеству строк. Бесплатно в рамках лимита 10 ГБ в месяц.

стоит ли чистить мусор с сайта?

о да, в нашем случае этого мусора было 40К+ страниц, созданных фильтром.

вычистили максимум.

на практике, это означает:

* посадки, на которые могли идти одни и те же запросы, теперь более конкретные. не 10 страниц под 1 кластер, а одна

* "сила" нужной нам посадки растет, а значит туда приходит больше трафика, а значит поведенка аккумулируется там, где положено

* даем клиенту больше удовлетворения: направляем его за счет редиректов на большой листинг с большим кол-вом предложений

Если ваш магаз помойка — приберитесь. Это дает профит.

Наш сеошник ждет ваших лайков 🤍

🥺 Триплеты: все с ними носятся сейчас — давайте разбираться че к чему

Я уже не в сеошке, но ресерч по теме сделала, а то какой-то инфо-бум создалси. И начинать эту тему надо с Knowledge Graph.


ИСТОКИ

Knowledge Graph — это модель, где мир описан не как набор слов, а как сущности и связи между ними.

Google когда-то сформулировал это как переход от "strings" к "things", а официальный Knowledge Graph Search API до сих пор описан именно как способ искать entities в графе знаний. Заресерчить тут.

Граф знаний удобно записывать как:

subject → predicate → object

То есть:

обручальное кольцо из платины → бывает → матовым
обручальное кольцо из платины → может быть → с бриллиантами
кольцо → имеет → комфортную посадку

УЖАСНАЯ ПРАВДА
Триплеты — это не задокументированный официально SEO-фактор Гугла, а удобная модель представления знаний. Официальный словарь Google здесь другой: entities, mentions, salience, structured data, links, title links.

Cloud Natural Language API прямо говорит, что сущности в тексте получают "mentions" и "salience", то есть оценку важности для документа. Заресерчить тут.


МАЙ ОПИНИОН

Думаю, мне, как и многим дедам из сеошки, не близок хайп по типу: “все, пасаны, делаем триплеты — летим в топ”.

Это жаргон и раскрутка давнишней темы. Просто посмотрите по истории в своих подписках: например, Владимир писал в своем канале про Knowledge Graph еще с 22 года. Что ж все тогда не хайпились?

Триплеты ничем не отличаются от главного правила качественного контента в гугле — раскрой интент. Если посадка плохо раскрывает мэйн "сущность", никакой "новый" термин ваши подходы в оптимизации не спасет, сори.


НА ПРИМЕРЕ СВОЕГО САЙТА
Разбираю свою посадку "Обручальные кольца из платины"

База по коду:

🔣canonical — фиксирует каноническую версию страницы
🔣title и H1 — помогают зафиксировать тему
🔣meta description — задаёт дополнительный контекст для сниппета

Дальше в бой идут "атрибуты": парные, с бриллиантами, с сапфирами, без камней, матовые, классические, широкие, тонкие, гладкие, плоские, с комфортной посадкой.

Плюс там уже есть structured data / schema.org-разметка с типами: Product, AggregateOffer, AggregateRating, а в листинге и деталках постоянно повторяются связи вроде “кольцо — имеет — Comfort Fit” и “кольцо — украшено — бриллиантами”.


ВЫВОДЪ

Google официально даёт достаточно ориентиров, поэтому давайте не будем смотреть в рот никаким Максам.

🔣AI Overviews и другие AI features не требуют какой-то отдельной секретной оптимизации, нужны всё те же хорошие SEO practice и полезный контент для людей. Заресерчить тут.

🔣 Google использует разметки, чтобы лучше понимать контент страницы и информацию об объектах. Заресерчить тут.

🔣 Google использует ссылки как сигнал релевантности страниц и отдельно советует делать анкоры понятными и осмысленными. Заресерчить тут.

Реальная работа не в том, чтобы дрочить на умные слова по типу триплетов. Но все же, из этого можно забрать полезное на мини-аудит.

ЧЕК-ЛИСТ
🔣какая у страницы центральная сущность
🔣какими атрибутами она раскрыта
🔣какие связи между сущностями уже выражены в коде, ссылках и тексте
🔣нет ли каши, где title, H1, навигация, карточки и текст отвечают на разные интенты


ИТОЖЫМ
🔣Триплеты — не новый вау-подход
🔣Knowledge Graph — удобная база
🔣Entities и salience — официальный словарь
🔣Структура страницы, заголовки, ссылки и разметки — место, где эта логика работает

P.S. Даже в публичном exhibit DOJ по звонку с инженером Google видно, что внутри поиска отдельно фигурируют topicality, anchors, body, clicks, quality и Knowledge Graph как слой, который используется не только для панели на SERP, но и для улучшения традиционного поиска. Это полезно как инженерный контекст, но не как лицензия выдумывать новые “официальные факторы”. Заресерчить тут.