この動画について
研究目標が継続適応である以上、次に制約となるのはコーパスの最新性です。この動画では、データがモデルに届く「経路」を分解します。Common Crawlとベンダークローラーの違い、メディア直接供給の広がりを追いながら、これらの経路が入れ替わるのではなく「増える」ものであることを確認します。
全4話のシリーズ「LLMは『時間』を獲得するのか ― リアルタイム学習とPRのゆくえ」の第3話です。広報・PR担当者に向けて、LLMの学習データがどこから来るのかを解説しています。
▼この動画でわかること
・コーパスに求められる「量・多様性」と「最新性」という二つの軸
・Common Crawl（広さ）とメディアクローラー（取得時点の制御）の役割の違い
・training/search/retrievalへとbotが用途分化している現状
・Publisher直接供給という経路と、プレスリリースが持つその原型
▼チャプター
00:00 オープニング
00:25 次に効くのは、コーパスの最新性
01:05 コーパスへの二つの要求
01:50 Common Crawlが担う「広さ」
02:30 最新性の重心はVendorクローラーへ
03:15 Vendorクローラーは用途で分かれ始めた
04:00 Crawlerには時間的Samplingが残る
04:45 さらに最新性を担保する「直接供給」
05:25 Publisherコンテンツの争奪
06:05 三つの取得層
06:50 経路は「変わる」のではなく「増える」
07:30 プレスリリースは供給型の原型
08:05 第3話の要点
08:35 次回予告
▼シリーズ本編（note・無料）
ベンダーごとのbot用途区分や各メディア契約の根拠判定は、note記事に一次資料つきでまとめています。
https://note.com/todoonada/m/m7ac13829155a
▼記事の発生から、LLMでの想起まで。入口と出口を挟んで測る
「Qlipper」はPR効果測定サービスとして、自社の話題がどの媒体でどれだけ報じられたか、LLMへ届く前の記事の発生を捉えます。「ディギディギ」は、その記事が実際にLLMの想起へどう結実したかを実測します。供給経路の入口と出口を、二つのサービスで挟んで確かめられます。ディギディギは単体月額10,000円、Qlipperご契約者は無償。
https://digidigi.qlipper.jp
ディギディギの画面を見ながらLLMOのお悩みをご相談いただける1on1も開催中です。
https://timerex.net/s/qlipper/f8f13c89/
▼運営
株式会社トドオナダ
PR効果測定サービス「Qlipper」／ LLM認識計測ツール「ディギディギ」
https://qlipper.jp
▼主な参考文献・一次資料
・Longpre, S. et al. (2024) NAACL 2024. DOI: 10.18653/v1/2024.naacl-long.179
・Penedo, G. et al. (2023) "The RefinedWeb Dataset for Falcon LLM." arXiv:2306.01116
・Magnusson, I. et al. (2025) "DataDecide." ICML 2025, PMLR 267.
・OpenAI / Anthropic / Google 各社Crawler公式ドキュメント（2026年確認）
#LLMO #広報 #PR #生成AI #CommonCrawl #クローラー #事前学習対策 #メディアリレーションズ
