什么是 LLMO（大语言模型优化）

LLMO（Large Language Model Optimization，大语言模型优化）指通过语料、实体与引用信号影响大模型对品牌的内部表征与生成结果。LLMO 偏底层认知，GEO 偏可引用的输出，两者层级不同。

定义

本站工作定义：LLMO 是围绕语料覆盖、实体一致与来源可核验，改善模型在训练与检索阶段对某一主体的表征质量的工作。

可观测的部分包括：模型能否正确复述主体名称与业务范围、能否在相关问题中提及、是否出现事实性错误。不可观测的部分是模型内部权重变化，任何声称掌握内部权重的方法都不可信。

边界：和什么容易混

常见误区

• 宣称能「写入模型权重」。外部机构无法直接改写闭源模型权重。
• 用批量同质内容冲语料。重复内容会被判重，收益递减。
• 忽略实体一致性。名称与机构写法不统一，认知无法归并。

依据与核验

该定义为本站工作定义，标注 L2，属经验性方法。涉及模型机制的表述只写到可观测层面，不做内部推断。

复核周期 180 天。术语与 GEO、GAO 的关系见对应术语页与方法索引。

相关栏目：术语索引、方法索引、指标索引、编辑政策。