論文の概要: MetaSynth: Multi-Agent Metadata Generation from Implicit Feedback in Black-Box Systems

• arxiv url: http://arxiv.org/abs/2510.01523v1
• Date: Wed, 01 Oct 2025 23:41:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.902609
• Title: MetaSynth: Multi-Agent Metadata Generation from Implicit Feedback in Black-Box Systems
• Title（参考訳）: MetaSynth:ブラックボックスシステムにおけるインシシットフィードバックからのマルチエージェントメタデータ生成
• Authors: Shreeranjani Srirangamsridharan, Ali Abavisani, Reza Yousefi Maragheh, Ramin Giahi, Kai Zhao, Jason Cho, Sushant Kumar,
• Abstract要約: 暗黙的な検索フィードバックから学習する検索拡張生成フレームワークであるMeta Synthを紹介する。 プロプライエタリなeコマースデータとAmazon Reviewsコーパスの両方で、Meta Synthは、NDCG、MRR、ランキングメトリクスで強力なベースラインを上回ります。 この研究は暗黙の信号を用いたブラックボックスシステムにおけるコンテンツを最適化するための一般的なパラダイムに寄与する。
• 参考スコア（独自算出の注目度）: 5.781056508016032
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Meta titles and descriptions strongly shape engagement in search and recommendation platforms, yet optimizing them remains challenging. Search engine ranking models are black box environments, explicit labels are unavailable, and feedback such as click-through rate (CTR) arrives only post-deployment. Existing template, LLM, and retrieval-augmented approaches either lack diversity, hallucinate attributes, or ignore whether candidate phrasing has historically succeeded in ranking. This leaves a gap in directly leveraging implicit signals from observable outcomes. We introduce MetaSynth, a multi-agent retrieval-augmented generation framework that learns from implicit search feedback. MetaSynth builds an exemplar library from top-ranked results, generates candidate snippets conditioned on both product content and exemplars, and iteratively refines outputs via evaluator-generator loops that enforce relevance, promotional strength, and compliance. On both proprietary e-commerce data and the Amazon Reviews corpus, MetaSynth outperforms strong baselines across NDCG, MRR, and rank metrics. Large-scale A/B tests further demonstrate 10.26% CTR and 7.51% clicks. Beyond metadata, this work contributes a general paradigm for optimizing content in black-box systems using implicit signals.
• Abstract（参考訳）: メタタイトルや説明は検索とレコメンデーションプラットフォームにおけるエンゲージメントを強く形成するが、それらを最適化することは依然として難しい。 検索エンジンランキングモデルはブラックボックス環境であり、明示的なラベルは利用できない。 既存のテンプレート、LLM、検索強化アプローチは多様性の欠如、幻覚特性の欠如、あるいは候補者のフレーズが歴史的にランク付けに成功しているかどうかを無視する。 これにより、観測可能な結果から暗黙の信号を直接活用する際のギャップが残る。 暗黙的な検索フィードバックから学習するマルチエージェント検索拡張生成フレームワークであるMetaSynthを紹介する。 MetaSynthは、トップランクの結果から例証ライブラリを構築し、製品コンテンツと例証の両方に条件付けされた候補スニペットを生成し、関連性、プロモーション強度、コンプライアンスを強制する評価器ジェネレータループを通じて出力を反復的に洗練する。 プロプライエタリなeコマースデータとAmazon Reviewsコーパスの両方で、MetaSynthは、NDCG、MRR、ランキングメトリクスで強力なベースラインを上回ります。 大規模A/Bテストはさらに10.26%のCTRと7.51%のクリックを示している。 この研究はメタデータ以外にも、暗黙の信号を用いたブラックボックスシステムにおけるコンテンツを最適化するための一般的なパラダイムに貢献している。

関連論文リスト

• Decision-Making with Deliberation: Meta-reviewing as a Document-grounded Dialogue [61.0689885044492]
  メタリビューアを効果的に支援できるダイアログエージェントを実現する上での課題について検討する。 まず,対話エージェントの訓練におけるデータ不足の問題に対処する。 このデータを用いて、メタレビューに適した対話エージェントを訓練する。
  論文  参考訳（メタデータ） (2025-08-07T11:27:43Z)
• Aligning Web Query Generation with Ranking Objectives via Direct Preference Optimization [21.140086066964667]
  本稿では,クエリ生成プロセスにランキング信号を統合するフレームワークを提案する。 実験の結果,DPO後の問合せと文書の相互関係は高く評価された。
  論文  参考訳（メタデータ） (2025-05-25T20:34:12Z)
• Towards Realistic Evaluation of Commit Message Generation by Matching Online and Offline Settings [77.20838441870151]
  オンラインメトリック - VCSに生成されたメッセージをコミットする前にユーザが導入する編集回数 - を使用して、オフライン実験用のメトリクスを選択します。 我々は,GPT-4が生成したコミットメッセージと,人間の専門家が編集したコミットメッセージからなる57対のデータセットを収集した。 以上の結果から,編集距離が最も高い相関性を示すのに対し,BLEUやMETEORなどの類似度は低い相関性を示すことがわかった。
  論文  参考訳（メタデータ） (2024-10-15T20:32:07Z)
• MMGRec: Multimodal Generative Recommendation with Transformer Model [81.61896141495144]
  MMGRecは、マルチモーダルレコメンデーションに生成パラダイムを導入することを目指している。 まず,階層的な量子化手法であるGraph CF-RQVAEを考案し,各項目にRec-IDを割り当てる。 次に、Transformerベースのレコメンデータをトレーニングし、過去のインタラクションシーケンスに基づいて、ユーザが推奨するアイテムのRec-IDを生成する。
  論文  参考訳（メタデータ） (2024-04-25T12:11:27Z)
• Synthesizing Sentiment-Controlled Feedback For Multimodal Text and Image Data [21.247650660908484]
  我々は,大規模な制御可能なマルチモーダルフィードバック合成データセットを構築し,制御可能なフィードバック合成システムを提案する。 このシステムは、テキスト入力と視覚入力のためのエンコーダ、デコーダ、および制御性ブロックを備えている。 CMFeedデータセットには、画像、テキスト、投稿に対する反応、関連スコアによる人間のコメント、これらのコメントに対する反応が含まれている。 これらの反応はモデルに特定の感情でフィードバックを生成するよう訓練し、感情分類の精度は77.23%であり、制御不能な精度より18.82%高い。
  論文  参考訳（メタデータ） (2024-02-12T13:27:22Z)
• Revisiting Neural Retrieval on Accelerators [20.415728886298915]
  検索の重要な構成要素は、(ユーザ、アイテム)類似性をモデル化することである。 その人気にもかかわらず、ドット製品は多面的であり、おそらく高いランクにある複雑なユーザとイテムのインタラクションをキャプチャすることはできない。 本稿では,基本類似度関数の適応的構成として,ユーザ,アイテムの類似度をモデル化したロジットのテキストミックス(MoL)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T22:08:42Z)
• Recommender Systems with Generative Retrieval [58.454606442670034]
  本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。 そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。 提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T21:48:17Z)

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。