13 августа 2026 года Microsoft Technology Licensing LLC опубликовала патентную заявку US20260236548A1, описывающую систему сжатия данных из результатов поиска перед их передачей генеративной ИИ-модели. Для суммирования страницы эта система сохраняет предложения, наиболее связанные с остальным текстом и запросом. Однако документ не доказывает, что Bing или Copilot применяют именно эту процедуру в точности.
Сжатие источников перед обращением к модели
Документ озаглавлен «Генерация и использование сжатых данных привязки для поисковых систем, использующих генеративные модели искусственного интеллекта». Он заявляет приоритет индийской предварительной заявки, поданной 13 февраля 2025 года. Он касается «grounding data», или данных привязки, то есть контента, извлеченного из результатов поиска (ссылки, сниппеты, метаданные, прямые ответы) и предоставленного языковой модели для обоснования её ответа проверяемыми фактами. Этот механизм известен как RAG (retrieval-augmented generation, или генерация, дополненная извлечением).
Патент исходит из технической проблемы. Когда эти данные превышают лимит токенов (единиц текста, которые модель может обработать за раз), требуется множественные обращения, что затратно по времени и ресурсам. И наоборот, предоставление слишком большого объема данных за раз приводит к обобщенным или несвязным ответам. Текст цитирует два известных недостатка больших языковых моделей: феномен «lost in the middle», согласно которому информация, помещенная в середину длинного промпта, плохо учитывается, и «recency bias», который придает слишком большой вес элементам в конце промпта.
Предлагаемое решение заключается в сжатии этих данных перед отправкой, чтобы передать всё за один вызов. Система может создать резюме, сфокусированное на запросе, а затем преобразовать его в эмбеддинги, то есть в векторные представления смысла текста. Она также может предварительно оценить свежесть и достоверность контента.
В публикации на LinkedIn Ян Сорин представляет этот патент как описание работы чат-ботов Copilot и Bing. Сам же текст упоминает «генеративные поисковые системы» в целом и в качестве примеров приводит модели GPT-3.5, GPT-4 или GPT-4o, не называя Bing или Copilot.
Ключевые предложения, свежесть и достоверность
Для резюмирования страниц система сначала очищает контент, удаляя HTML-теги, специальные символы и ошибки кодирования. Затем текст разбивается на предложения и резюмируется экстрактивным способом, путем выбора существующих предложений, а не переписывания контента. Основной метод представляет каждое предложение как узел графа, связанный с другими через косинусное сходство — меру семантической близости. Предложение считается важным, если оно сильно связано с другими важными предложениями, что Ян Сорин называет «PageRank для предложений». Патент также описывает группировку по темам и выбор на основе частых терминов относительно запроса. Затем предпочтение отдается предложениям, расположенным во введении или заключении.
Свежесть оценивается на основе временных меток контента, то есть даты его создания или последнего изменения. Самому старому контенту присваивается более низкая релевантность, с исключениями для базовых знаний, переменными порогами долговечности в зависимости от области и обнаружением обновлений. Достоверность основывается на репутационном балле, который сочетает историческую точность, авторитетность домена и экспертную оценку. Система также сверяет информацию между несколькими независимыми источниками и проверяет разнообразие точек зрения. Патент не уточняет, как измеряются эти критерии.
Рекомендации для авторов, без подтвержденного применения
Документ описывает множество вариантов, вводимых формулировкой «в некоторых реализациях». Таким образом, его публикация не доказывает, что эта система работает сегодня в основе Bing или Copilot. Однако она проливает свет на логику отбора, которую генеративный поисковик может применять к извлекаемым страницам. Для редакционных команд Ян Сорин извлекает из этого несколько уроков: автономные обобщающие предложения, размещение самого важного во введении и заключении, видимые даты публикации и обновления, фактологический тон и перепроверяемые данные.
Однако патент оставляет открытым вопрос об эксклюзивной информации. Сенсационная новость или собственная информация, которую на момент публикации цитируют немногие источники, запускает поиск дополнительных источников. Текст не уточняет, что происходит с этой информацией, когда система не находит ни одного.
