論文の概要: ACT: Automated Constraint Targeting for Multi-Objective Recommender Systems

• arxiv url: http://arxiv.org/abs/2509.03661v1
• Date: Wed, 03 Sep 2025 19:24:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:09.952646
• Title: ACT: Automated Constraint Targeting for Multi-Objective Recommender Systems
• Title（参考訳）: ACT:多目的レコメンダシステムのための制約自動ターゲティング
• Authors: Daryl Chang, Yi Wu, Jennifer She, Li Wei, Lukasz Heldt,
• Abstract要約: 私たちは、"ガードレール"を満たすために必要な最小限の変更を自動的に見つける自動制約ターゲティング(ACT)フレームワークを紹介します。 ACTは、バイアスのないデータに対するオフラインのペアワイズ評価を使用してソリューションを見つけ、システムやユーザの振る舞いの変化に適応するために継続的に再トレーニングする。 我々はその効果を実証的に実証し、大規模生産環境での展開について述べる。
• 参考スコア（独自算出の注目度）: 6.68230277743963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recommender systems often must maximize a primary objective while ensuring secondary ones satisfy minimum thresholds, or "guardrails." This is critical for maintaining a consistent user experience and platform ecosystem, but enforcing these guardrails despite orthogonal system changes is challenging and often requires manual hyperparameter tuning. We introduce the Automated Constraint Targeting (ACT) framework, which automatically finds the minimal set of hyperparameter changes needed to satisfy these guardrails. ACT uses an offline pairwise evaluation on unbiased data to find solutions and continuously retrains to adapt to system and user behavior changes. We empirically demonstrate its efficacy and describe its deployment in a large-scale production environment.
• Abstract（参考訳）: レコメンダシステムは、しばしば第一の目的を最大化し、第二の目標が最低限の閾値を満たすことを保証する必要がある。 これは、一貫したユーザエクスペリエンスとプラットフォームエコシステムを維持する上で重要であるが、直交するシステム変更にもかかわらず、これらのガードレールを強制することは困難であり、手動のハイパーパラメータチューニングを必要とすることが多い。 本稿では,これらのガードレールを満たすのに必要なハイパーパラメータの最小セットを自動的に検出する,ACT(Automated Constraint Targeting)フレームワークを紹介する。 ACTは、バイアスのないデータに対するオフラインのペアワイズ評価を使用してソリューションを見つけ、システムやユーザの振る舞いの変化に適応するために継続的に再トレーニングする。 我々はその効果を実証的に実証し、大規模生産環境での展開について述べる。

関連論文リスト

• DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [33.40201949055383]
  大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。 この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。 本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-13T05:01:09Z)
• Universal Reusability in Recommender Systems: The Case for Dataset- and Task-Independent Frameworks [0.7124736158080939]
  本稿では,導入障壁を最小限に抑えつつ,レコメンデータシステムの再利用可能性の最大化を目的としたフレームワークを提案する。 本稿では、DTIRSの概念を紹介し、レベル1の自動化からレベル2の自動化に移行するロードマップを確立する。 一般化と特殊化、計算オーバーヘッド、スケーラビリティのトレードオフなど、重要な課題について論じる。
  論文  参考訳（メタデータ） (2025-06-03T21:00:34Z)
• EnSToM: Enhancing Dialogue Systems with Entropy-Scaled Steering Vectors for Topic Maintenance [4.095759108304108]
  小さい大きな言語モデル(sLLM)は、タスク指向の対話システムにおいてトピックの一貫性を維持するのにしばしば苦労する。 トピックメンテナンスのためのエントロピースケールステアリングベクトル(EnSToM)と呼ばれる新しいアプローチを提案する。 EnSToMは入力の不確実性に基づいて操舵強度を動的に調整するので、モデルがオフトピー的イントラクタを効果的に扱うことができる。
  論文  参考訳（メタデータ） (2025-05-22T11:12:27Z)
• Multi-agents based User Values Mining for Recommendation [52.26100802380767]
  効率的なユーザ値抽出のためのゼロショットマルチLLM協調フレームワークを提案する。 本研究は,本質的な意味を保ちながら,項目内容のコンデンスにテキスト要約手法を適用した。 幻覚を緩和するために,評価役と監督役の2つの特殊エージェントの役割を導入する。
  論文  参考訳（メタデータ） (2025-05-02T04:01:31Z)
• Fast or Better? Balancing Accuracy and Cost in Retrieval-Augmented Generation with Flexible User Control [52.405085773954596]
  Retrieval-Augmented Generationは、大規模な言語モデル幻覚を緩和するための強力なアプローチとして登場した。 既存のRAGフレームワークは、しばしば無差別に検索を適用し、非効率な再検索につながる。 本稿では,精度・コストのトレードオフを動的に調整できる新しいユーザ制御可能なRAGフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:56:20Z)
• Towards Robust Continual Learning with Bayesian Adaptive Moment Regularization [51.34904967046097]
  継続的な学習は、モデルが以前に学習した情報を忘れてしまう破滅的な忘れ込みの課題を克服しようとする。 本稿では,パラメータ成長の制約を緩和し,破滅的な忘れを減らし,新しい事前手法を提案する。 以上の結果から, BAdamは, 単頭クラスインクリメンタル実験に挑戦する先行手法に対して, 最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-09-15T17:10:51Z)
• OACAL: Finding Module-consistent Specifications to Secure Systems from Weakened User Obligations [1.8377740581395554]
  本稿では,ユーザ義務の弱さによる攻撃シナリオに対処する仕様修正を自動的に生成する効率的なアルゴリズムを提案する。 提案アルゴリズムでは, 新たな再構成手法を用いて, 機能性の整合性を維持するために, 全てのリビジョンを生成する。 我々は,提案アルゴリズムの性能を,その適用範囲と検索速度に関する最先端のアプローチと比較することにより評価する。
  論文  参考訳（メタデータ） (2021-08-16T12:09:05Z)
• Amortized Auto-Tuning: Cost-Efficient Transfer Optimization for Hyperparameter Recommendation [83.85021205445662]
  本稿では,機械学習モデルのチューニングを高速化する自動チューニング(AT2)を提案する。 マルチタスクマルチ忠実ベイズ最適化フレームワークの徹底的な解析を行い、最適なインスタンス化-アモータイズ自動チューニング(AT2)を実現する。
  論文  参考訳（メタデータ） (2021-06-17T00:01:18Z)
• Optimizing Interactive Systems via Data-Driven Objectives [70.3578528542663]
  本稿では,観察されたユーザインタラクションから直接目的を推測する手法を提案する。 これらの推論は、事前の知識によらず、様々な種類のユーザー行動にまたがって行われる。 本稿では,これらの推定対象を最適化するために利用する新しいアルゴリズムであるInteractive System(ISO)を紹介する。
  論文  参考訳（メタデータ） (2020-06-19T20:49:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。