I ricercatori hanno analizzato l'efficacia della ricerca in rete dei popolari LLM

Un gruppo di scienziati ha pubblicato uno studio dedicato all'analisi di come gli agenti di intelligenza artificiale conversazionale moderni utilizzano la ricerca web per rispondere alle richieste degli utenti. Nel lavoro vengono confrontate le strategie di quattro piattaforme: ChatGPT, Claude, Grok e DeepSeek, utilizzando sia dati reali degli utenti che esperimenti controllati tramite API.

I risultati hanno mostrato che la frequenza di accesso ai motori di ricerca varia notevolmente tra i modelli e non sempre correla con la qualità della risposta finale. I ricercatori hanno identificato che gli agenti applicano diverse strategie di formazione delle query di ricerca e che i motori di ricerca integrati in ogni piattaforma hanno una preferenza marcata per determinati domini nella restituzione dei risultati.

Una particolare attenzione nel lavoro è stata dedicata al problema dell'attribuzione dei dati. Nonostante le risposte si basino nella maggior parte dei casi sulle informazioni trovate, una parte delle affermazioni dei modelli si basa su dati che non sono stati esplicitamente citati nel testo finale. Ciò crea rischi per l'affidabilità e la trasparenza del funzionamento dei sistemi nella fornitura di informazioni fattuali.

Gli autori sottolineano che i meccanismi attuali di integrazione della ricerca nei LLM rimangono insufficientemente studiati dal punto di vista del ciclo di vita dell'agente. I dati raccolti indicano la necessità di rivedere l'architettura degli strumenti di ricerca per minimizzare le allucinazioni e aumentare la precisione dei riferimenti alle fonti.

Il lavoro è pubblicato sotto licenza Creative Commons Attribution 4.0. Le conclusioni dello studio possono essere utilizzate dagli sviluppatori per ottimizzare gli algoritmi di decisione degli agenti nella ricerca di informazioni attuali su internet.