論文の概要: Higher Satisfaction, Lower Cost: A Technical Report on How LLMs Revolutionize Meituan's Intelligent Interaction Systems

• arxiv url: http://arxiv.org/abs/2510.13291v1
• Date: Wed, 15 Oct 2025 08:35:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.573157
• Title: Higher Satisfaction, Lower Cost: A Technical Report on How LLMs Revolutionize Meituan's Intelligent Interaction Systems
• Title（参考訳）: 高い満足感と低コスト:LLMがMeituanのインテリジェントインタラクションシステムをいかに革命させるか
• Authors: Xuxin Cheng, Ke Zeng, Zhiquan Cao, Linyi Dai, Wenxuan Gao, Fei Han, Ai Jian, Feng Hong, Wenxing Hu, Zihe Huang, Dejian Kong, Jia Leng, Zhuoyuan Liao, Pei Liu, Jiaye Lin, Xing Ma, Jingqing Ruan, Jiaxing Song, Xiaoyu Tan, Ruixuan Xiao, Wenhui Yu, Wenyu Zhan, Haoxing Zhang, Chao Zhou, Hao Zhou, Shaodong Zheng, Ruinian Chen, Siyuan Chen, Ziyang Chen, Yiwen Dong, Yaoyou Fan, Yangyi Fang, Yang Gan, Shiguang Guo, Qi He, Chaowen Hu, Binghui Li, Dailin Li, Xiangyu Li, Yan Li, Chengjian Liu, Xiangfeng Liu, Jiahui Lv, Qiao Ma, Jiang Pan, Cong Qin, Chenxing Sun, Wen Sun, Zhonghui Wang, Abudukelimu Wuerkaixi, Xin Yang, Fangyi Yuan, Yawen Zhu, Tianyi Zhai, Jie Zhang, Runlai Zhang, Yao Xu, Yiran Zhao, Yifan Wang, Xunliang Cai, Yangen Hu, Cao Liu, Lu Pan, Xiaoli Wang, Bo Xiao, Wenyuan Yao, Qianlin Zhou, Benchang Zhu,
• Abstract要約: 本稿では,産業アプリケーションに適したインテリジェントインタラクションシステムであるWOWServiceを紹介する。 LLMとマルチエージェントアーキテクチャの統合により、WOWServiceは自律的なタスク管理と協調的な問題解決を可能にします。 WOWServiceはMeituan App上にデプロイされ、主要なメトリクスの大幅な向上を実現している。
• 参考スコア（独自算出の注目度）: 67.18731675163589
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Enhancing customer experience is essential for business success, particularly as service demands grow in scale and complexity. Generative artificial intelligence and Large Language Models (LLMs) have empowered intelligent interaction systems to deliver efficient, personalized, and 24/7 support. In practice, intelligent interaction systems encounter several challenges: (1) Constructing high-quality data for cold-start training is difficult, hindering self-evolution and raising labor costs. (2) Multi-turn dialogue performance remains suboptimal due to inadequate intent understanding, rule compliance, and solution extraction. (3) Frequent evolution of business rules affects system operability and transferability, constraining low-cost expansion and adaptability. (4) Reliance on a single LLM is insufficient in complex scenarios, where the absence of multi-agent frameworks and effective collaboration undermines process completeness and service quality. (5) The open-domain nature of multi-turn dialogues, lacking unified golden answers, hampers quantitative evaluation and continuous optimization. To address these challenges, we introduce WOWService, an intelligent interaction system tailored for industrial applications. With the integration of LLMs and multi-agent architectures, WOWService enables autonomous task management and collaborative problem-solving. Specifically, WOWService focuses on core modules including data construction, general capability enhancement, business scenario adaptation, multi-agent coordination, and automated evaluation. Currently, WOWService is deployed on the Meituan App, achieving significant gains in key metrics, e.g., User Satisfaction Metric 1 (USM 1) -27.53% and User Satisfaction Metric 2 (USM 2) +25.51%, demonstrating its effectiveness in capturing user needs and advancing personalized service.
• Abstract（参考訳）: 特にサービス要求の規模と複雑さが大きくなるにつれて、顧客エクスペリエンスの向上はビジネスの成功に不可欠です。 ジェネレーティブ人工知能とLarge Language Models(LLM)は、インテリジェントなインタラクションシステムに、効率的でパーソナライズされた24/7のサポートを提供する権限を与えている。 1)冷間開始訓練のための高品質なデータの構築は困難であり、自己進化の妨げとなり、労働コストが上昇する。 2) マルチターン対話性能は, 意図理解の不十分, 規則遵守, 解抽出などにより, 相変わらず最適である。 3)ビジネスルールの頻繁な進化は,システムの運用性と転送可能性に影響を与え,低コストな拡張と適応性を制約する。 (4) マルチエージェントフレームワークの欠如と効果的なコラボレーションが,プロセスの完全性とサービス品質を損なうような複雑なシナリオでは,単一 LLM の信頼性は不十分である。 (5) マルチターン対話のオープンドメインの性質は、統一された黄金解の欠如、ハッパーの定量的評価と連続的な最適化が欠如している。 これらの課題に対処するために、産業アプリケーションに適したインテリジェントなインタラクションシステムであるWOWServiceを紹介します。 LLMとマルチエージェントアーキテクチャの統合により、WOWServiceは自律的なタスク管理と協調的な問題解決を可能にします。 具体的には、WOWServiceは、データ構築、汎用機能拡張、ビジネスシナリオ適応、マルチエージェント調整、自動評価を含むコアモジュールに焦点を当てている。 現在、WOWServiceはMeituan App上にデプロイされており、例えば、User Satisfaction Metric 1 (USM)など、主要なメトリクスで大幅に向上している。 1)-27.53%とユーザ満足度2(USM) 2)+25.51%で、ユーザニーズを捉え、パーソナライズされたサービスを前進させる効果を示す。

関連論文リスト

• MARS: Optimizing Dual-System Deep Research via Multi-Agent Reinforcement Learning [82.14973479594367]
  複雑な推論タスクのための大規模言語モデル(LLM)は、直感的で意図的な認知プロセスを橋渡しする革新的なアプローチを必要とする。 本稿では,Multi-Agent System for Deep ReSearch (MARS)を提案する。
  論文  参考訳（メタデータ） (2025-10-06T15:42:55Z)
• InfraMind: A Novel Exploration-based GUI Agentic Framework for Mission-critical Industrial Management [15.42553917257021]
  InfraMindは、産業管理システムに特化して設計された新しい探査ベースのGUIエージェントフレームワークである。 私たちのアプローチは、タスク成功率と運用効率の観点から、既存のフレームワークを一貫して上回ります。
  論文  参考訳（メタデータ） (2025-09-17T05:14:11Z)
• Co-Saving: Resource Aware Multi-Agent Collaboration for Software Development [65.94639060883475]
  本稿では,リソースを意識したマルチエージェントシステムであるCo-Savingを提案する。 私たちの重要なイノベーションは、"ショートカット"の導入です。 最先端のMAS ChatDevと比較して,トークン使用量の平均50.85%の削減を実現している。
  論文  参考訳（メタデータ） (2025-05-28T02:23:53Z)
• LLM-Powered AI Agent Systems and Their Applications in Industry [3.103098467546532]
  LLM(Large Language Models)はエージェントシステムである。 タスクスコープが制限された従来のルールベースのエージェントとは異なり、LLMベースのエージェントはより柔軟性、ドメイン間の推論、自然言語の相互作用を提供する。
  論文  参考訳（メタデータ） (2025-05-22T01:52:15Z)
• A Survey on Collaborative Mechanisms Between Large and Small Language Models [5.1159419867547085]
  大規模言語モデル(LLM)は強力なAI機能を提供するが、高いリソースコストとレイテンシのためにデプロイメントの課題に直面している。 小型言語モデル(SLM)は、性能の低下を犠牲にして効率性とデプロイ性を提供する。
  論文  参考訳（メタデータ） (2025-05-12T11:48:42Z)
• Towards Agentic Recommender Systems in the Era of Multimodal Large Language Models [75.4890331763196]
  大規模言語モデル(LLM)の最近のブレークスルーは、エージェントAIシステムの出現につながっている。 LLMベースのAgentic RS(LLM-ARS)は、よりインタラクティブで、コンテキストを認識し、プロアクティブなレコメンデーションを提供する。
  論文  参考訳（メタデータ） (2025-03-20T22:37:15Z)
• SPA-Bench: A Comprehensive Benchmark for SmartPhone Agent Evaluation [89.24729958546168]
  スマートフォンエージェントは、ユーザーがデバイスを効率的に制御するのを助けるためにますます重要になっている。 We present SPA-Bench, a comprehensive SmartPhone Agent Benchmark designed to evaluate (M)LLM-based agent。
  論文  参考訳（メタデータ） (2024-10-19T17:28:48Z)
• Adaptive In-conversation Team Building for Language Model Agents [33.03550687362213]
  複数の大規模言語モデル(LLM)エージェントを活用することは、複雑なタスクに取り組む上で有望なアプローチであることが示されている。 私たちの新しい適応型チーム構築パラダイムは、Captain Agentという新しいエージェント設計を通じて実現された柔軟なソリューションを提供します。 6つの実世界のシナリオに対する包括的な評価は、Captain Agentが既存のマルチエージェントメソッドを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2024-05-29T18:08:37Z)
• AIOS: LLM Agent Operating System [39.59087894012381]
  本稿では,LLMベースのエージェント管理のコンテキスト下で,AIOS(LLMベースのAIエージェントオペレーティングシステム)のアーキテクチャを提案する。 エージェントアプリケーションからリソースとLLM固有のサービスをAIOSカーネルに分離することで、LLMベースのエージェントを提供するための新しいアーキテクチャを導入する。 AIOSを使用すると、さまざまなエージェントフレームワークで構築されたエージェントを最大2.1倍高速に実行することができる。
  論文  参考訳（メタデータ） (2024-03-25T17:32:23Z)
• Cooperation, Competition, and Maliciousness: LLM-Stakeholders Interactive Negotiation [52.930183136111864]
  我々は,大言語モデル(LLM)を評価するためにスコーラブルネゴシエーション(scorable negotiations)を提案する。 合意に達するには、エージェントは強力な算術、推論、探索、計画能力を持つ必要がある。 我々は、新しいゲームを作成し、進化するベンチマークを持つことの難しさを増大させる手順を提供する。
  論文  参考訳（メタデータ） (2023-09-29T13:33:06Z)

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。