Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

LLMO (Large Language Model Optimization)

Engels: LLMO (Large Language Model Optimization) · Ook wel: large language model optimisation, LLM optimization

In het kort

LLMO is een methode om teksten en merkgegevens zo in te richten dat een taalmodel het merk juist begrijpt. Dit verschilt van zoekmachineoptimalisatie, want een taalmodel (de techniek achter chatbots) moet het merk vertrouwen en juist noemen in zijn antwoord. Zo kan een chatbot een bedrijf met de juiste naam en feiten noemen als een gebruiker om advies over een product vraagt.

Waarom is dit belangrijk?

Makers van informatie kunnen hun tekst zo aanpassen dat een taalmodel die bron vaker in een antwoord opneemt. Bij vragen over zorg en overheid maken aanpassingen in de tekst de ene bron zichtbaarder dan de andere. Voor lezers en werknemers stijgt zo de kans op een passende bron, maar extra citaten of cijfers maken een tekst zichtbaarder terwijl de kern gelijk blijft.

Zo werkt het in de praktijk

Onderzoekers passen LLMO toe in webwinkels. In het project E-GEO van Columbia University en het MIT koppelen zij koopvragen aan aanbiedingen van Amazon. Een herschreven producttekst kan het product hoger in het advies zetten.

Princeton University en het Indian Institute of Technology Delhi bouwden GEO-bench. Die testset bevat 10.000 zoekvragen uit meerdere vakgebieden. Onderzoekers meten of een tekstwijziging een site vaker in het antwoord van een generatieve zoekmachine brengt. Het effect verschilt per vakgebied.

LLMO werkt als een black-boxoptimalisatie. Makers passen de tekst aan zonder de binnenkant van het taalmodel te zien. Onderzoekers meten daarna de zichtbaarheid met een indrukscore. Die score let op de plek van de bron en op de lengte van de tekst.

Bron: aanloopai.nl

Gecontroleerd op 5 november 2026