全プラットフォーム追跡
主要 LLM の言及、スニペット、引用を監視——クエリと回答スパンに対応付け。
Desmond Li
NEOX R&D コア · 博士率いるアルゴリズム
Mattock モデル：能力境界と導入リズムは李博士チームが統括。
李博士は NEOX チップ、Mattock モデル、メディア AI エージェントの研究開発を率い、NEOXGEO の GEO デリバリーと一体で推進しています。
NEOX テックシリーズを見るMattock モデル · GEO Core Model
Mattock モデル：GEO のためのブランド視認性
Mattock モデル は GEO 向けに設計。Mattock Neural Network などのアーキテクチャを内蔵し、ChatGPT、Claude、Gemini、Perplexity 横断で引用とシェア・オブ・ボイスをスキャン——「AI にどう言われるか」を実行可能なタスクに落とし込みます。
- AIO 情報最適化
- LLM Visibility Index
- Attribution Audit
- Semantic Drift
モデルシグナルプレビュー
「逆向きプロンプトエンジニアリング」により引用の好みを推定し、視認性を実行可能な AIO チェックリストに分解します。
platform.probemulti_llm_sync ✓
geo.visibility_index0.72 → target 0.91
audit.attribution_gap3 critical
Mattock Neural Network
Mattock：スケーラブルなニューラル基盤
Mattock Neural Network は Mattock スタックの中核アーキテクチャのひとつ——学習可能な活性化と前向き構造で、効率とスケール／蒸留の両立を狙います。以下は要約で、詳細はページ下部の PDF を参照してください。
設計の要点
- · スケーラブル／成長ネットの発想で、限られたパラメータ予算で目標関数に近似。
- · 学習可能活性化を含む多層前向き経路——文献における learnable activation と整合。
- · まず OCR／視覚で検証し生成場へ拡張、知識蒸留にも接続可能。
実装とトレーニング（要約）
- · Hadamard 積と行列値活性化を含む層再帰でコンパクトな前向き写像を形成。
- · 各ブロックは線形写像＋構造化活性化＋対角合成（詳細は PDF）。
- · 分類ヘッドは Softmax 可、temperature で分布の鋭さを調整。
- · 損失関数（正則化オプション）で反復学習。
GEO コア機能
「検索で見える」から「AI に選ばれる」へ
公開シグナル、オンサイト・セマンティクス、複数モデルの応答を同一スコアカードで——LLM Visibility Index と次のアクションを一体イテレーション。
ギャップ診断
コンテンツの断層とセマンティックホールを可視化——埋めるべきナレッジノードを特定。
競合モデリング
AI 回答内での競合の順位付けとナラティブ差を比較。
モックコンソール · GEO 診断
視認性と引用を一画面で
PRO ダッシュボードのモックアップ。本番は業種と競争セットに合わせカスタムします。
五軸シグナルマップ
引用率、信頼、関連、センチメント、権威
複数プラットフォームのシグナルをレーダープロフィールに集約——LLM Visibility Index に効く最短の弱点から修正。
インターセプト解析フロー
検索から回答まで：重要な瞬間でインターセプト
検索、検索拡張、要約から最終応答までの経路と、Mattock のインターセプト分析・フィードバックポイントを示します。
技術原理
逆向きプロンプトエンジニアリング（Reverse Prompt Engineering）
プローブと対照実験で証拠の嗜好と境界を推定し、「モデル目線のプロンプト」を再構築——AIO タスク（コンテンツ、構造化、背書き、セマンティック一貫性）へ変換。
- → ランキングシグナルと引用閾値の推定
- → エンティティとナレッジグラフ上の位置づけの整合
- → Semantic Drift による長期ナラティブの補正
- → Attribution Audit でソースの見え方を追跡