Badacze Google DeepMind, wspólnie z zespołami z University of Massachusetts Amherst i University of Texas at Austin, opisali architekturę wyszukiwania, w której jeden model językowy sam generuje uporządkowaną listę wyników, bez oddzielnego etapu odsiewu kandydatów i oddzielnego etapu ich oceniania. Metoda nazywa się Autoregressive Ranking (ARR), a serwis Search Engine Journal nagłośnił ją 10 września 2026 roku jako sygnał, że Google zbliża się do zasadniczej zmiany sposobu układania wyników. Sama praca jest badawcza i nikt nie potwierdził jej wdrożenia w produkcyjnej wyszukiwarce, ale kierunek jest czytelny: ranking jako ciąg tokenów, nie jako porównywanie wektorów.
W skrócie
- Praca „Autoregressive Ranking: Bridging the Gap Between Dual and Cross Encoders” ma ośmiu autorów, w tym Andrew McCalluma i Felixa Yu z Google DeepMind. Pierwsza wersja trafiła na arXiv 9 stycznia 2026, czwarta rewizja 11 lutego 2026. Branżowy rozgłos zyskała dopiero teraz.
- ARR zastępuje klasyczny duet: szybki dual encoder (wektory) plus kosztowny cross encoder (dokładna ocena par zapytanie-dokument) jednym modelem, który token po tokenie generuje identyfikatory dokumentów w kolejności trafności.
- Autorzy dowodzą matematycznie, że dual encoder potrzebuje wymiaru wektora rosnącego liniowo z liczbą dokumentów, żeby odtworzyć dowolny ranking. ARR robi to przy stałym wymiarze ukrytym.
- Nowa funkcja straty SToICaL (Simple Token-Item Calibrated Loss) uczy model rangi, nie tylko trafienia w jeden najlepszy wynik. W testach na zbiorach WordNet i ESCI model dorównał cross encoderowi przy niższym koszcie obliczeń.
- Dla SEO i AIO wniosek jest jeden: jeśli ranking staje się aktem generowania, a nie pomiaru odległości, to o pozycji decyduje to, jak dobrze model „zapamiętał” i skojarzył dokument z intencją, nie sam dobór słów kluczowych.
Skąd wzięła się ta wiadomość i dlaczego teraz
Praca krążyła w środowisku badawczym od stycznia, ale poza społecznością information retrieval prawie nikt jej nie komentował. Zmieniło się to 10 września, kiedy Roger Montti opisał ją w Search Engine Journal pod tytułem sugerującym, że DeepMind opracował nowy model rankingowy dla wyszukiwania AI. Tekst rozeszedł się po branżowych kanałach w ciągu kilku godzin, bo trafił w moment, w którym każdy specjalista SEO zadaje sobie pytanie, jak Google będzie układać wyniki w epoce AI Mode i AI Overviews.
Warto od razu ustawić oczekiwania. Jak podaje Search Engine Journal, autor artykułu zastrzega, że „nie doszliśmy jeszcze do punktu, w którym wszystko się zmieniło”, a Google „może zbliżać się do dnia, w którym wyszukiwanie naprawdę się zmieni”. To sformułowanie o przyszłości, nie raport z wdrożenia. Paper nie zawiera żadnej informacji o użyciu ARR w produkcji, a nazwiska autorów z DeepMind nie oznaczają automatycznie, że zespół Search przejmie ich metodę.
Mimo to sprawa jest istotna z dwóch powodów. Po pierwsze, jednym z autorów jest Andrew McCallum, badacz o ogromnym dorobku w uczeniu maszynowym i information retrieval, a drugim Felix Yu z Google DeepMind, znany z prac nad efektywnym uczeniem maszynowym na bardzo dużych zbiorach. Po drugie, praca nie jest kolejnym eksperymentem z rerankingiem przez LLM, tylko próbą przebudowy całej architektury retrieval, o której pisaliśmy w tekście o architekturze wyszukiwarki AI od zapytania do odpowiedzi.
Jak działa dzisiejsze wyszukiwanie i co ARR chce z tego wyrzucić
Współczesne systemy wyszukiwania, w tym te oparte na modelach językowych, działają w dwóch etapach. Pierwszy to retrieval: dual encoder zamienia zapytanie i każdy dokument w wektor liczb, a potem szuka dokumentów, których wektory leżą najbliżej wektora zapytania. Jest to bardzo szybkie, bo wektory dokumentów można policzyć raz i trzymać w indeksie, ale mało precyzyjne, bo model koduje zapytanie i dokument oddzielnie i nigdy nie „widzi” ich razem.
Drugi etap to reranking: cross encoder bierze zapytanie razem z każdym kandydatem, przepuszcza tę parę przez pełny model i wystawia ocenę trafności. Jakość jest wysoka, ale koszt rośnie wprost proporcjonalnie do liczby kandydatów, dlatego cross encoder ocenia zwykle tylko kilkadziesiąt lub kilkaset dokumentów, które przepuścił pierwszy etap. Jeśli właściwy dokument odpadł na etapie wektorowym, żaden reranker już go nie odzyska.
ARR kasuje ten podział. Zamiast wektorów i par, model językowy dostaje zapytanie i generuje odpowiedź w postaci ciągu identyfikatorów dokumentów (docID), token po tokenie, tak jak generuje zwykły tekst. Każdy docID składa się z kilku tokenów, a model wybiera je z ograniczonego słownika prawidłowych identyfikatorów. Kolejność generowania jest jednocześnie kolejnością w rankingu. Zespół pisze wprost, że ARR „oferuje obietnicę wyższej ekspresywności niż dual encodery, unikając zaporowego kosztu obliczeniowego cross encoderów”.
Porównanie trzech architektur
| Cecha | Dual encoder | Cross encoder | Autoregressive Ranking |
|---|---|---|---|
| Jak liczy trafność | Odległość między wektorem zapytania i dokumentu | Wspólne przetworzenie pary zapytanie-dokument | Generowanie docID token po tokenie |
| Koszt przy dużym indeksie | Niski (wektory liczone raz) | Bardzo wysoki (osobne przejście na każdą parę) | Umiarkowany (jedno przejście generujące listę) |
| Ekspresywność rankingu | Ograniczona wymiarem wektora | Wysoka | Wysoka przy stałym wymiarze ukrytym |
| Rola w dzisiejszym systemie | Etap pierwszy: odsiew kandydatów | Etap drugi: reranking | Jeden etap zamiast dwóch |
| Typowy zasięg | Cały korpus | Kilkadziesiąt do kilkuset kandydatów | Cały korpus (teoretycznie) |
Dowód matematyczny: dlaczego wektory mają sufit
Najciekawsza część pracy nie dotyczy nawet samego modelu, tylko granic obecnej technologii. Autorzy udowadniają, że jeśli dual encoder ma być zdolny do odtworzenia dowolnego uporządkowania k dokumentów, jego wymiar osadzenia (embedding) musi rosnąć liniowo z k. Innymi słowy, przy ustalonym rozmiarze wektora istnieją rankingi, których żaden dual encoder nigdy nie wygeneruje, niezależnie od tego, jak długo się go trenuje.
ARR nie ma tego ograniczenia. W konkluzji pracy czytamy, że „podczas gdy dual encodery wymagają wymiarów osadzeń rosnących wraz z rozmiarem korpusu, modele ARR generujące wielotokenowe docID mogą rozwiązywać pełne zadania rankingowe przy stałym wymiarze ukrytym”. To zdanie jest rdzeniem całej argumentacji: skoro dzisiejsza wyszukiwarka wektorowa ma twardy, matematyczny limit ekspresji, a model generatywny go nie ma, to w długim horyzoncie architektura generatywna wygrywa, o ile da się ją wytrenować i uruchomić w rozsądnym czasie.
Dla praktyków AIO to intuicyjnie znane zjawisko. W tekście o różnicach między retrieval a generation opisywaliśmy, dlaczego dwa dokumenty o niemal identycznym wektorze mogą mieć zupełnie inną wartość dla użytkownika. Dual encoder tej różnicy nie widzi. Model, który generuje ranking, ma szansę ją uwzględnić, bo „czyta” zapytanie w pełnym kontekście i sięga do wiedzy zapisanej w wagach.
SToICaL: jak nauczyć model, że drugie miejsce też się liczy
Największy problem dotychczasowych podejść generatywnych do wyszukiwania polegał na tym, że trenowano je jak systemy pytanie-odpowiedź: model miał trafić w jeden właściwy dokument, a reszta listy była nieistotna. To wystarcza do prostego retrieval, ale nie do rankingu, w którym liczy się cała kolejność. Zespół DeepMind proponuje tu nową funkcję straty, SToICaL (Simple Token-Item Calibrated Loss), opisaną w pracy jako „uogólniona, świadoma rangi funkcja straty do dostrajania LLM”.
Mechanizm składa się z dwóch elementów. Pierwszy to ważenie na poziomie dokumentów (item-level reweighting): dokumenty wyżej w rankingu treningowym dostają większą wagę, więc model uczy się preferować je mocniej niż te z dalszych pozycji, zamiast traktować wszystkie „trafne” tak samo. Drugi to marginalizacja po drzewie prefiksowym (prefix-tree marginalization): ponieważ docID to ciągi tokenów, a wiele identyfikatorów dzieli wspólne początki, metoda rozkłada prawdopodobieństwo po całym drzewie prawidłowych identyfikatorów, tak by masa prawdopodobieństwa trafiała do właściwych gałęzi, a nie do losowych sekwencji, które nie odpowiadają żadnemu dokumentowi.
W praktyce oznacza to, że model uczy się nie tylko „który dokument jest najlepszy”, ale „w jakiej kolejności ułożyć pierwszych dziesięć”. Dla systemu, który ma zastąpić klasyczny ranking, to warunek konieczny.
Co pokazały testy i gdzie metoda się potknęła
Eksperymenty przeprowadzono na dwóch zbiorach. WordNet to leksykalna baza relacji między pojęciami, dobra do testowania, czy model rozumie hierarchie i podobieństwo znaczeń. ESCI (Shopping Queries Dataset) to zbiór zapytań zakupowych z Amazona z ręcznie oznaczonymi poziomami trafności produktów: dokładne, zastępcze, uzupełniające i nietrafne. Ten drugi jest bliski realnym zastosowaniom, bo odzwierciedla to, jak ludzie szukają produktów i jak niejednoznaczne bywają ich intencje.
Wyniki, jak podaje Search Engine Journal na podstawie pracy, są dwojakie. Z jednej strony SToICaL wyraźnie poprawił metryki rankingowe poza samym top-1, a ARR dorównał cross encoderowi przy jednoczesnym ograniczeniu liczby nietrafnych wyników wysoko na liście. Z drugiej strony w jednym z testów na zapytaniach zakupowych wariant metody pogorszył zdolność ustawienia najbardziej trafnego wyniku na pierwszym miejscu, choć całościowa jakość listy wzrosła.
Ten drugi wynik ma znaczenie. W klasycznej wyszukiwarce pierwsza pozycja zbiera nieproporcjonalnie dużą część kliknięć, więc model, który lepiej układa miejsca 2–10, a gorzej miejsce 1, nie jest gotowy do produkcji. W wyszukiwarce generatywnej, gdzie odpowiedź syntetyzuje kilka źródeł jednocześnie, ta wada waży mniej, bo liczy się jakość całego zestawu cytowań. To jeden z powodów, dla których ARR wygląda na architekturę projektowaną z myślą o AI Mode, a nie o klasycznych dziesięciu niebieskich linkach.
Kluczowe fakty w jednym miejscu
| Element | Szczegół |
|---|---|
| Tytuł pracy | Autoregressive Ranking: Bridging the Gap Between Dual and Cross Encoders |
| Identyfikator arXiv | 2601.05588 (22 strony, 5 rycin, licencja CC BY 4.0) |
| Daty | Pierwsza wersja 9 stycznia 2026, wersja 4 z 11 lutego 2026 |
| Autorzy | Benjamin Rozonoyer, Chong You, Michael Boratko, Himanshu Jain, Nilesh Gupta, Srinadh Bhojanapalli, Andrew McCallum, Felix Yu |
| Instytucje | Google DeepMind, UMass Amherst, UT Austin |
| Nowa metoda treningu | SToICaL: ważenie dokumentów według rangi plus marginalizacja po drzewie prefiksowym docID |
| Zbiory testowe | WordNet, ESCI (Amazon Shopping Queries) |
| Status | Badanie. Brak informacji o wdrożeniu w Google Search |
Co to znaczy dla SEO i AIO
Jeżeli ranking staje się aktem generowania, zmienia się pytanie, na które odpowiada optymalizacja. Dziś pytamy: „czy mój dokument jest wystarczająco blisko wektora zapytania, żeby przejść przez pierwszy etap, i czy jest wystarczająco dobry, żeby wygrać reranking?”. W świecie ARR pytanie brzmi: „czy model, generując listę dla tej intencji, w ogóle sięgnie po identyfikator mojego dokumentu i na którym miejscu?”. To przesuwa akcent z dopasowania leksykalnego i semantycznego na to, jak dokument został zakodowany w wagach modelu podczas treningu i jak mocno kojarzy się z klasą intencji.
Trzy praktyczne konsekwencje, o ile architektura tego typu trafi do produkcji:
- Tożsamość dokumentu ma znaczenie techniczne. W ARR dokument istnieje jako docID, czyli ciąg tokenów, którego model musi się nauczyć. Strony o stabilnych adresach, jednoznacznej encji i spójnych sygnałach (tytuł, schema, wewnętrzne linkowanie) łatwiej „zapamiętać” niż strony, które zmieniają URL, tytuł i temat co kwartał.
- Ranking jako całość, nie pojedyncza pozycja. SToICaL premiuje poprawną kolejność wielu wyników. Treść, która jest dobrym „drugim źródłem” dla wielu pokrewnych intencji, może zyskać więcej niż strona, która wygrywa jedno zapytanie i nie występuje w żadnym innym kontekście.
- Koniec ratunku przez reranking. W obecnym systemie słabo napisana, ale merytorycznie świetna strona może odpaść na etapie wektorowym i nikt jej nie oceni. W ARR nie ma dwóch etapów, więc nie ma też miejsca, w którym można „naprawić” wynik. Model decyduje raz.
Dla osób budujących własne systemy wyszukiwania i asystentów opartych na retrieval to również sygnał ostrzegawczy. Znany schemat RAG (wektory plus reranker), który opisujemy w poradniku RAG dla marketerów, może w perspektywie kilku lat ustąpić miejsca modelom, które generują listę źródeł bezpośrednio. Na dziś RAG pozostaje standardem, bo jest tani, przewidywalny i łatwy do audytu, a ARR wymaga dostrojenia modelu na konkretnym korpusie i przetrenowania go za każdym razem, gdy korpus istotnie się zmieni.
Reakcje branży
Publikację można czytać na dwa sposoby i oba odczytania pojawiają się w branżowej dyskusji. Pierwsze traktuje pracę jako potwierdzenie tezy, że Google od dawna odchodzi od klasycznego indeksu odwróconego w stronę systemów neuronowych i że AI Mode jest tylko widocznym fragmentem tej przebudowy. Drugie studzi emocje: paper ma siedem miesięcy, testy przeprowadzono na akademickich zbiorach o rozmiarze nieporównywalnym z indeksem Google, a autorzy sami raportują regres w jednym z kluczowych scenariuszy.
Obie interpretacje mają oparcie w faktach. Historia badań DeepMind i Google Research pokazuje, że od publikacji do wdrożenia w Search mijają zwykle lata, a część pomysłów nigdy nie trafia do produkcji. Jednocześnie BERT, MUM i modele osadzeń wektorowych też zaczynały jako prace badawcze, zanim stały się elementami rankingu. Sam Search Engine Journal zestawia oba argumenty i podsumowuje, że implikacje byłyby głębokie, gdyby metoda została wdrożona, ale na dziś pozostaje ona badaniem.
Warto też odnotować kontekst regulacyjny. Google w ostatnich dniach publicznie tłumaczy się z przebudowy wyników w Europejskim Obszarze Gospodarczym i ostrzega przed spadkiem jakości. Każda zmiana architektury rankingu, która utrudnia audyt (a generatywny ranking jest z natury trudniejszy do wyjaśnienia niż lista wektorowych odległości), będzie w Unii Europejskiej oglądana pod lupą.
Co dalej
Najbliższe sygnały, na które warto patrzeć, to kolejne publikacje tego samego zespołu, zwłaszcza dotyczące skalowania ARR na korpusy o setkach milionów dokumentów i aktualizowania indeksu bez pełnego przetrenowania modelu. Dziś to główne bariery: w wersji z pracy model musi „znać” wszystkie docID z treningu, więc nowa strona opublikowana wczoraj po prostu nie ma identyfikatora, który model mógłby wygenerować. Bez rozwiązania tego problemu ARR nie nadaje się do wyszukiwarki, która co dnia dodaje miliardy nowych adresów.
Drugim sygnałem będą patenty i wystąpienia konferencyjne. Jeśli Google zgłosi rozwiązania dotyczące dynamicznego przydzielania docID lub hybrydy, w której ARR działa tylko na najczęstszych zapytaniach, a klasyczny system obsługuje resztę, będzie to znaczyło, że praca badawcza wchodzi w fazę inżynieryjną. Do tego czasu rekomendacja dla właścicieli stron nie zmienia się: stabilne adresy, jednoznaczne encje, gęste faktami treści i spójne sygnały strukturalne działają zarówno w obecnym rankingu, jak i w każdym, który uczy się dokumentów jako całości.
FAQ: najczęstsze pytania
Czy Google używa już Autoregressive Ranking w wyszukiwarce?
Nie ma na to żadnych dowodów. Praca jest publikacją badawczą z arXiv (styczeń 2026, rewizja luty 2026), a Search Engine Journal, który ją nagłośnił 10 września, wyraźnie zaznacza, że wdrożenie w produkcji nie zostało potwierdzone. Testy przeprowadzono na zbiorach akademickich WordNet i ESCI, nie na indeksie Google.
Czym różni się ARR od rerankingu wyników przez LLM, który znamy z Perplexity czy ChatGPT?
Reranking przez LLM to nadal drugi etap: najpierw klasyczne wyszukiwanie (wektorowe lub słownikowe) wybiera kandydatów, a potem model językowy je układa. ARR usuwa pierwszy etap. Model dostaje zapytanie i od razu generuje identyfikatory dokumentów w kolejności trafności, token po tokenie, bez wcześniejszego odsiewu. To jedna decyzja zamiast dwóch.
Co to jest SToICaL i dlaczego jest ważne?
SToICaL (Simple Token-Item Calibrated Loss) to funkcja straty do dostrajania modeli językowych pod ranking. Zamiast uczyć model wyłącznie trafienia w jeden najlepszy dokument, waży dokumenty według ich rangi i rozkłada prawdopodobieństwo po drzewie prefiksowym prawidłowych identyfikatorów. Dzięki temu model uczy się poprawnej kolejności całej listy, co jest warunkiem zastąpienia klasycznego rankingu.
Czy powinienem coś zmienić w strategii SEO po tej publikacji?
Nie w reakcji na samą pracę. Zasady, które sprzyjają modelom uczącym się dokumentów jako całości (stabilne URL, jednoznaczna encja marki i tematu, gęste faktami treści, spójne dane strukturalne), są tożsame z dobrymi praktykami pod obecny ranking Google i pod cytowania w AI. Jeśli je stosujecie, jesteście przygotowani na oba scenariusze.
Jakie są największe bariery przed wdrożeniem ARR na skalę Google?
Trzy: obsługa nowych dokumentów, których identyfikatorów model nie widział w treningu, koszt przetrenowania przy stale zmieniającym się korpusie oraz regres w ustawianiu najlepszego wyniku na pierwszym miejscu, który autorzy zaobserwowali w jednym z testów zakupowych. Bez rozwiązania pierwszego problemu metoda nie nadaje się do wyszukiwarki indeksującej miliardy nowych adresów dziennie.