Op 13 augustus 2026 publiceerde Microsoft Technology Licensing LLC de patentaanvraag US20260236548A1, die een systeem beschrijft voor het comprimeren van gegevens uit zoekresultaten, voordat ze worden doorgegeven aan een generatief AI-model. Om een pagina samen te vatten, behoudt dit systeem de zinnen die het meest verbonden zijn met de rest van de tekst en de zoekopdracht. Het document bewijst echter niet dat Bing of Copilot deze werkwijze precies zo toepassen.
- Microsoft beschrijft in een patentaanvraag een systeem dat zoekresultaten comprimeert voordat ze naar een generatief AI-model gaan.
- Het systeem selecteert zinnen die sterk verbonden zijn met de tekst en de zoekopdracht.
- Het beoordeelt ook actualiteit en geloofwaardigheid, maar legt niet uit hoe dat gemeten wordt.
- Het patent bewijst niet dat Bing of Copilot deze methode daadwerkelijk gebruiken.
Bronnen comprimeren voordat het model wordt aangeroepen
Het document heeft de titel ‘Generating and utilizing compressed grounding data for search engines that utilize generative artificial intelligence models’. Het claimt voorrang op basis van een Indiense voorlopige aanvraag ingediend op 13 februari 2025. Het gaat over de ‘grounding data’, ofwel verankeringsgegevens, dat wil zeggen de inhoud die wordt opgehaald uit zoekresultaten (links, fragmenten, metadata, directe antwoorden) en aan een taalmodel wordt verstrekt om zijn antwoord te baseren op verifieerbare feiten. Dit mechanisme staat bekend als RAG (retrieval-augmented generation, of generatie versterkt door ophalen).
Het patent vertrekt vanuit een technisch probleem. Wanneer deze gegevens de tokenlimiet overschrijden (de teksteenheden die een model in één keer kan verwerken), moeten er meerdere aanroepen worden gedaan, wat tijd en middelen kost. Omgekeerd leidt het in één keer aanbieden van te veel gegevens tot algemene of onsamenhangende antwoorden. De tekst noemt twee bekende tekortkomingen van grote taalmodel: het ‘lost in the middle’-fenomeen, waarbij informatie in het midden van een lange prompt slecht wordt verwerkt, en de recentiebias, die te veel gewicht geeft aan elementen aan het einde van een prompt.
De voorgestelde oplossing bestaat uit het comprimeren van deze gegevens vóór verzending, om alles in één aanroep te versturen. Het systeem kan een samenvatting produceren die gericht is op de zoekopdracht en deze vervolgens omzetten in embeddings, dat wil zeggen vectorrepresentaties van de betekenis van een tekst. Het kan ook vooraf de actualiteit en geloofwaardigheid van de inhoud beoordelen.
In een publicatie op LinkedIn presenteert Ian Sorin dit patent als een beschrijving van de werking van de chatbots Copilot en Bing. De tekst zelf spreekt over ‘generatieve zoekmachines’ in het algemeen en noemt als voorbeelden de modellen GPT-3.5, GPT-4 of GPT-4o, zonder Bing of Copilot te noemen.
Centrale zinnen, actualiteit en geloofwaardigheid
Voor de samenvatting van pagina’s begint het systeem met het opschonen van de inhoud door HTML-tags, speciale tekens en coderingsfouten te verwijderen. De tekst wordt vervolgens opgesplitst in zinnen en daarna extractief samengevat, door bestaande zinnen te selecteren in plaats van de inhoud te herschrijven. De belangrijkste methode vertegenwoordigt elke zin als een knooppunt in een graaf, verbonden met andere door hun cosinusgelijkenis, een maat voor semantische nabijheid. Een zin wordt als belangrijk beschouwd als deze sterk verbonden is met andere belangrijke zinnen, wat Ian Sorin een ‘pagerank van zinnen’ noemt. Het patent beschrijft ook een groepering op thema en een selectie gebaseerd op termen die frequent voorkomen in relatie tot de zoekopdracht. Zinnen in de inleiding of conclusie krijgen vervolgens voorrang.
De actualiteit wordt beoordeeld op basis van de tijdstempel van de inhoud, dat wil zeggen de aanmaak- of laatste wijzigingsdatum. De oudste inhoud krijgt een lagere relevantie toegewezen, met uitzonderingen voor basiskennis, variabele levensduurdrempels per domein en detectie van updates. De geloofwaardigheid berust op een reputatiescore die historische nauwkeurigheid, domeinautoriteit en peer review combineert. Het systeem controleert ook de informatie tussen verschillende onafhankelijke bronnen en verifieert de diversiteit aan perspectieven. Het patent specificeert niet hoe deze criteria worden gemeten.
Aanknopingspunten voor redacteuren, zonder bewezen toepassing
Het document beschrijft vele varianten, ingeleid door de formule ‘in bepaalde implementaties’. De publicatie ervan bewijst dus niet dat dit systeem momenteel achter Bing of Copilot werkt. Het werpt echter wel licht op de selectielogica die een generatieve zoekmachine kan toepassen op de pagina’s die het ophaalt. Voor redactieteams trekt Ian Sorin er verschillende lessen uit: zelfstandige samenvattende zinnen, plaatsing van de essentie in de inleiding en conclusie, zichtbare publicatie- en updatedata, een feitelijke toon en controleerbare gegevens.
Het patent laat echter één vraag open, namelijk die van exclusieve informatie. Een primeur of eigendomsgegevens, die op het moment van publicatie door weinig bronnen worden overgenomen, activeert een zoektocht naar aanvullende bronnen. De tekst specificeert niet wat er met deze informatie gebeurt wanneer het systeem er geen vindt.
