Ir al contenido

Acerca de la Open LLMO Research Initiative

La Open LLMO Research Initiative es una iniciativa independiente de investigación sobre retrieval, citación y grounding para la web abierta en el contexto de IA. Publica especificaciones, benchmarks y herramientas open-source como sus principales entregables.

Investigar retrieval AI-native, visibilidad de grounding y arquitectura de la información orientada a LLM, y publicar métricas y especificaciones reproducibles.

ÁreaAlcance
AI Citation AnalysisCondiciones bajo las que LLMs citan contenido, y frecuencia de citación
Grounding VisibilityMétodos para visualizar en qué se basa la IA para responder
LLM Retrieval OptimizationOptimización de documentos para la capa de retrieval de LLMs
AI-native DocumentationInvestigación sobre formatos de documento que los LLMs procesan bien
Agent-oriented Information ArchitectureEstructuras de información que los agentes de IA pueden operar

El espacio LLMO / AEO / GEO está creciendo rápido, pero faltan tres piezas fundamentales:

  • Sin medición reproducible — no existe herramienta pública que cumpla el papel de Lighthouse o PageSpeed Insights para descubribilidad por IA
  • Sin vocabulario ni alcance compartido — cada proveedor publica sus propias definiciones y el campo se ha fragmentado
  • Pocos datos experimentales abiertos — las herramientas comerciales de SEO dominan y la capa de investigación es delgada

Esta Initiative se construyó para llenar esos tres huecos. El objetivo es cumplir, para LLMO, el papel que Lighthouse cumple para SEO: publicar la metodología, entregar las herramientas y dejar que la comunidad construya encima.

PrincipioSignificado
Reproducibility firstCada métrica viene con fórmula de cálculo y checker OSS
Draft over StandardLas especificaciones se publican como “Draft / Experimental / Proposal v0.1” para mantenerse revisables
Open Source firstHerramientas bajo licencias OSS, datos bajo CC BY, especificaciones bajo MIT
Solo-honestLa operación en solitario se declara explícitamente, en vez de disfrazarse como un consorcio

Ken Imoto. Autor de múltiples libros sobre LLMO y harness engineering, publicados en Zenn y Amazon Kindle. Fundador y CEO de Propel-Lab Inc. Responsable de la implementación y operación de múltiples frameworks internos y de llmoframework.com.

Publicaciones principales:

La Initiative madura por phases. Cada phase es prerrequisito de la siguiente.

PhaseAlcanceEstado
Phase 0Framing de investigación, publicación de la Misión, primer Experiment LogEn curso
Phase 1Reproducibilidad — CLI OSS (llmo-checker), Score v0.1 Draft, publicación de datasetsPlaneada
Phase 2Comunidad — contributors, referencias externas, canales de feedbackPlaneada
Phase 3Estandarización — especificaciones formales, badge Compatible, formación de Working GroupPlaneada

La estandarización va al final. Sin OSS, benchmarks e implementaciones maduros que la respalden, ni la certificación ni las especificaciones pueden ganarse la confianza.

MétodoEnlace
Issues / reportes de bugsgithub.com/kenimo49/llmo-guide/issues
Pull Requestsgithub.com/kenimo49/llmo-guide

Este sitio y todos los draft specs se publican bajo la Licencia MIT.