13 sierpnia 2026 roku Microsoft Technology Licensing LLC opublikował wniosek patentowy US20260236548A1, który opisuje system kompresji danych pochodzących z wyników wyszukiwania przed ich przesłaniem do generatywnego modelu AI. Aby streścić stronę, system ten zachowuje zdania najbardziej powiązane z resztą tekstu i zapytaniem. Dokument nie dowodzi jednak, że Bing lub Copilot stosują tę procedurę w takiej postaci.
Kompresja źródeł przed wywołaniem modelu
Dokument nosi tytuł „Generating and utilizing compressed grounding data for search engines that utilize generative artificial intelligence models ». Zgłasza pierwszeństwo tymczasowego wniosku indyjskiego złożonego 13 lutego 2025 roku. Dotyczy „grounding data », czyli danych zakotwiczenia – treści pobranych z wyników wyszukiwania (linki, fragmenty, metadane, bezpośrednie odpowiedzi) i dostarczonych do modelu językowego, aby oprzeć jego odpowiedź na weryfikowalnych faktach. Mechanizm ten jest znany jako RAG (retrieval-augmented generation, czyli generacja wspomagana pobieraniem).
Patent wychodzi od problemu technicznego. Gdy te dane przekraczają limit tokenów (jednostek tekstu, które model może przetworzyć jednorazowo), konieczne są wielokrotne wywołania, co kosztuje czas i zasoby. Przeciwnie, dostarczenie zbyt wielu danych na raz prowadzi do ogólnych lub niespójnych odpowiedzi. Tekst wymienia dwie znane wady dużych modeli językowych: zjawisko „lost in the middle », zgodnie z którym informacje umieszczone w środku długiego promptu są słabo uwzględniane, oraz błąd świeżości, który nadaje zbyt dużą wagę elementom znajdującym się na końcu promptu.
Proponowane rozwiązanie polega na skompresowaniu tych danych przed wysłaniem, aby przesłać wszystko jednym wywołaniem. System może wygenerować podsumowanie skupione na zapytaniu, a następnie przekształcić je w embeddingi, czyli wektorowe reprezentacje znaczenia tekstu. Może również wcześniej ocenić świeżość i wiarygodność treści.
W publikacji na LinkedIn Ian Sorin przedstawia ten patent jako opis działania chatbotów Copilot i Bing. Sam tekst wspomina ogólnie o „generatywnych wyszukiwarkach » i jako przykłady podaje modele GPT-3.5, GPT-4 lub GPT-4o, nie wymieniając Bingu ani Copilota.
Zdania kluczowe, świeżość i wiarygodność
Aby podsumować strony, system najpierw czyści treść, usuwając znaczniki HTML, znaki specjalne i błędy kodowania. Tekst jest następnie dzielony na zdania, a następnie podsumowywany w sposób ekstrakcyjny, poprzez wybór istniejących zdań, a nie przepisywanie treści. Główna metoda reprezentuje każde zdanie jako węzeł grafu, połączony z innymi przez ich podobieństwo cosinusowe, miarę bliskości semantycznej. Zdanie uznaje się za ważne, jeśli jest silnie powiązane z innymi, samymi w sobie ważnymi zdaniami, co Ian Sorin nazywa „pagerankiem zdań ». Patent opisuje także grupowanie tematyczne i selekcję opartą na częstych terminach względem zapytania. Następnie faworyzowane są zdania znajdujące się we wstępie lub podsumowaniu.
Świeżość jest oceniana na podstawie znacznika czasowego treści, czyli daty ich utworzenia lub ostatniej modyfikacji. Najstarsze treści otrzymują niższą trafność, z wyjątkami dla wiedzy podstawowej, zmiennymi progami czasu życia w zależności od dziedziny oraz wykrywaniem aktualizacji. Wiarygodność opiera się na wyniku reputacji, który łączy historyczną dokładność, autorytet domeny i recenzję. System zestawia także informacje z kilku niezależnych źródeł i sprawdza różnorodność perspektyw. Patent nie precyzuje, jak te kryteria są mierzone.
Wskazówki dla autorów, bez potwierdzonego zastosowania
Dokument opisuje wiele wariantów, wprowadzonych zwrotem „w niektórych implementacjach ». Jego publikacja nie dowodzi więc, że system ten działa obecnie za Bingiem lub Copilotem. Oświetla natomiast logikę selekcji, jaką generatywna wyszukiwarka może zastosować do pobieranych stron. Dla zespołów redakcyjnych Ian Sorin wyciąga z tego kilka wniosków: samodzielne zdania podsumowujące, umieszczenie istotnych informacji we wstępie i podsumowaniu, widoczne daty publikacji i aktualizacji, rzeczowy ton i dające się zweryfikować dane.
Patent pozostawia jednak otwarte pytanie dotyczące informacji ekskluzywnych. Sensacja lub dane zastrzeżone, powielane przez niewiele źródeł w momencie publikacji, uruchamiają poszukiwanie źródeł uzupełniających. Tekst nie precyzuje, co dzieje się z tą informacją, gdy system nie znajdzie żadnych.
