한 번에 넓게 넣을까, 좁게 여러 번 생성할까? GEO 근거 포트폴리오 예산

문서 자리 24개가 있다면 24개를 한 번에 넣고 1회 생성할까요, 2개씩 넣고 12회 생성할까요? 최신 연구에서는 근거 포괄 측면에서 후자가 우세했지만 대표 비교에서 토큰은 더 들고 순차 지연은 약 10배였습니다. 공짜 최적화가 아니라 비용–포괄의 경계입니다.

2026년 8월 24일 논문 *The Laws of Context Allocation*은 컨텍스트 폭 k와 생성 횟수 T를 분리해 시험했습니다. 같은 24개 문서 자리에서 2개×12회 구성은 24개×1회보다 근거 포트폴리오 재현율이 0.144 높았고 95% 신뢰구간은 0.119~0.170이었습니다. 논문은 순차 생성의 전반적 이득을 약 16.8~20.5%포인트로 요약했으며 Qwen 14B와 32B 확장에서도 양의 결과를 보고했습니다.

같은 답변을 더 많이 추출했기 때문만은 아닙니다. 고정 컨텍스트에서 반복 생성해도 재현율은 늘었지만 매회 새로운 문서를 순환한 방식은 고정 컨텍스트 재표집보다 절대 0.087~0.140 더 높았습니다. 이 실험에서는 표현 다양성만이 아니라 새로운 근거 노출이 상한을 높였습니다.

세 가지 예산을 분리하기

문서 예산은 모델이 접하는 전체 근거, 생성 예산은 실행 횟수, 검증 예산은 귀속 프로브, 사람 확인, 중복 제거 자원입니다. “호출 수가 같다”거나 “토큰이 같다”는 말만으로는 다른 축의 비용을 숨길 수 있습니다.

논문의 대표 비교에서 좁은 다중 구성은 약 1.5배 토큰을 사용했고 순차 지연은 17.5초였으며 넓은 단일 생성은 약 1.7초였습니다. leave-one-out 프로브도 병렬화할 수 있지만 추가 계산이 필요합니다. 간단한 답 하나가 필요한 과제라면 이 비용이 맞지 않을 수 있습니다. 여러 독립 사실, 후보, 개체를 포괄해야 하는 조사 과제에 더 적합합니다.

브랜드 팀이 할 수 있는 비교 실험

브랜드는 상용 AI 검색의 내부 컨텍스트 배분을 통제하기 어렵지만 모니터링 예산은 통제할 수 있습니다. 여러 사실이 필요한 질문을 고르고 핵심 사실 목록을 미리 정하세요. 넓은 질문 하나, 좁은 관점 질문 묶음, 통제된 후속 질문을 비교하되 플랫폼, 날짜 범위, 총 실행 수, 채점 규칙을 맞춥니다. 출처가 지지한 사실 포괄, 브랜드 등장, 인용, 중복, 비용, 총 시간을 기록합니다.

모든 답변을 단순히 이어 붙이지 마세요. 같은 사실의 다른 표현은 중복 제거하고 충돌하는 버전은 따로 표시해야 합니다. 답변에서 새로 알게 된 브랜드명을 최초 질문 조건에 되넣으면 답변 측 누출이 생깁니다.

GEO Radar는 https://www.georadar.top 에서 관점별 고정 질문 그룹과 플랫폼별 과거 답변을 관리해 이 예산 실험의 수집 층이 될 수 있습니다. 외부 플랫폼의 검색 창을 통제할 수 없고 논문의 0.144 이득도 브랜드 가시성 약속이 아닙니다. 가장 긴 답변이 아니라 새롭고 출처가 지지하는 사실 하나당 비용으로 결정하세요.

이 글의 자료 출처

• arXiv, 2026년 8월 24일, *The Laws of Context Allocation: Causal Measurement and Closed-Loop Orchestration in Generative Search*: https://arxiv.org/abs/2608.23252
• arXiv HTML 전체 본문(요인 실험, 근거 순환, 규모 검증, 비용–지연 분석): https://arxiv.org/html/2608.23252v1
• 저자 공개 코드, 데이터, 측정 도구: https://github.com/PeiYangLiu/ascp