論文の概要: OneLive: Dynamically Unified Generative Framework for Live-Streaming Recommendation

• arxiv url: http://arxiv.org/abs/2602.08612v1
• Date: Mon, 09 Feb 2026 12:56:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.23521
• Title: OneLive: Dynamically Unified Generative Framework for Live-Streaming Recommendation
• Title（参考訳）: OneLive: ライブストリーミングレコメンデーションのための動的に統一された生成フレームワーク
• Authors: Shen Wang, Yusheng Huang, Ruochen Yang, Shuang Wen, Pengbo Xu, Jiangxia Cao, Yueyang Liu, Kuo Cai, Chengcheng Guo, Shiyao Wang, Xinchen Luo, Qiang Luo, Ruiming Tang, Shuang Yang, Zhaojie Liu, Guorui Zhou, Han Li, Kun Gai,
• Abstract要約: ライブストリーミングに適した動的に統一された生成レコメンデーションフレームワークであるOneLiveを提案する。 OneLiveは4つの重要なコンポーネントを統合している: (i) (i) (i) (i) (i) (ii) (II) 時間的決定のための時間的ダイナミクスを明示的にモデル化するタイムアウェア・ゲーテッド・アテンション機構; (iii) シーケンシャル MTP と QK Norm で強化された効率的なデコーダのみ生成アーキテクチャ。
• 参考スコア（独自算出の注目度）: 49.95897358060393
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Live-streaming recommender system serves as critical infrastructure that bridges the patterns of real-time interactions between users and authors. Similar to traditional industrial recommender systems, live-streaming recommendation also relies on cascade architectures to support large-scale concurrency. Recent advances in generative recommendation unify the multi-stage recommendation process with Transformer-based architectures, offering improved scalability and higher computational efficiency. However, the inherent complexity of live-streaming prevents the direct transfer of these methods to live-streaming scenario, where continuously evolving content, limited lifecycles, strict real-time constraints, and heterogeneous multi-objectives introduce unique challenges that invalidate static tokenization and conventional model framework. To address these issues, we propose OneLive, a dynamically unified generative recommendation framework tailored for live-streaming scenario. OneLive integrates four key components: (i) A Dynamic Tokenizer that continuously encodes evolving real-time live content fused with behavior signal through residual quantization; (ii) A Time-Aware Gated Attention mechanism that explicitly models temporal dynamics for timely decision making; (iii) An efficient decoder-only generative architecture enhanced with Sequential MTP and QK Norm for stable training and accelerated inference; (iv) A Unified Multi-Objective Alignment Framework reinforces policy optimization for personalized preferences.
• Abstract（参考訳）: ライブストリーミングレコメンダシステムは,ユーザと著者間のリアルタイムインタラクションのパターンをブリッジする,重要なインフラストラクチャとして機能する。 従来の産業レコメンデーションシステムと同様に、ライブストリーミングのレコメンデーションは大規模な並行処理をサポートするためにカスケードアーキテクチャにも依存している。 生成レコメンデーションの最近の進歩は、Transformerベースのアーキテクチャで多段階のレコメンデーションプロセスを統合することで、スケーラビリティの向上と計算効率の向上を実現している。 しかし、ライブストリーミングの本質的な複雑さは、継続的に進化するコンテンツ、限られたライフサイクル、厳密なリアルタイム制約、および異種多目的が静的なトークン化と従来のモデルフレームワークを無効にする固有の課題をもたらすような、ライブストリーミングシナリオへのこれらのメソッドの直接転送を妨げている。 これらの問題に対処するために、ライブストリーミングシナリオに適した動的に統一された生成レコメンデーションフレームワークOneLiveを提案する。 OneLiveは4つの重要なコンポーネントを統合している。 一 残留量子化により行動信号と融合したリアルタイムライブコンテンツを連続的に符号化するダイナミック・トケナイザ 二 時間的決定のための時間的ダイナミクスを明示的にモデル化する時間的意識維持機構 3 シークエンシャルMPP及びQKノルムにより強化された効率的なデコーダのみの生成アーキテクチャで、安定したトレーニングと推論の高速化を図ること。 (iv)統一多目的アライメントフレームワークは、パーソナライズされた嗜好に対するポリシー最適化を強化する。

関連論文リスト

• Next Interest Flow: A Generative Pre-training Paradigm for Recommender Systems by Modeling All-domain Movelines [8.895768051554162]
  本稿では,eコマースレコメンデータシステムのための新しい生成事前学習パラダイムを提案する。 我々のモデルは,ユーザの将来の意図を表す密度の高いベクトル列であるNext Interest Flowを予測することを学ぶ。 パイプライン全体を実装した統合フレームワークである All-domain Moveline Evolution Network (AMEN) を提示する。
  論文  参考訳（メタデータ） (2025-10-13T12:13:17Z)
• OneCAT: Decoder-Only Auto-Regressive Model for Unified Understanding and Generation [91.45421429922506]
  OneCATは、理解、生成、編集をシームレスに統合する統合マルチモーダルモデルである。 我々のフレームワークは、推論中に視覚変換器(ViT)や視覚トークン化器などの外部コンポーネントを不要にする。
  論文  参考訳（メタデータ） (2025-09-03T17:29:50Z)
• LoViC: Efficient Long Video Generation with Context Compression [68.22069741704158]
  百万単位のオープンドメインビデオに基づいてトレーニングされたDiTベースのフレームワークであるLoViCを紹介する。 当社のアプローチの核心はFlexFormerです。ビデオとテキストを統合された潜在表現に共同で圧縮する表現型オートエンコーダです。
  論文  参考訳（メタデータ） (2025-07-17T09:46:43Z)
• Transferable Sequential Recommendation with Vanilla Cross-Entropy Loss [2.0048375809706274]
  Sequential Recommendation (SR)システムでは、インタラクション履歴を分析してユーザの好みをモデル化する。 現在の手法は、新しいドメインに適応する際にかなりの微調整コストを発生させる。 MMM4Recは、効率的な伝達学習のための専用代数的制約機構を組み込んだ、新しいマルチモーダルSRフレームワークである。
  論文  参考訳（メタデータ） (2025-06-03T14:18:19Z)
• Contrastive Learning for Continuous Touch-Based Authentication [6.5894762902301744]
  非破壊的な方法で連続的な認証を行うための一貫したコントラスト学習フレームワークを提案する。 具体的には、時間的マスクオートエンコーダを用いて、生のマルチセンサデータストリームから時間的パターンを抽出する。 弊社の手法は最先端の手法より優れており,モバイルデバイス上でのユーザ認証の信頼性と効果的なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-04-24T05:58:12Z)
• ReCoM: Realistic Co-Speech Motion Generation with Recurrent Embedded Transformer [58.49950218437718]
  音声に同期した高忠実で一般化可能な人体動作を生成するための効率的なフレームワークであるReCoMを提案する。 Recurrent Embedded Transformer (RET)は、動的埋め込み正規化(DER)をViT(Vit)コアアーキテクチャに統合する。 モデルロバスト性を高めるため,ノイズ抵抗とクロスドメイン一般化の二重性を持つモデルに,提案したDER戦略を取り入れた。
  論文  参考訳（メタデータ） (2025-03-27T16:39:40Z)

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。