論文の概要: Latent Objective Induction and Diversity-Constrained Selection: Algorithms for Multi-Locale Retrieval Pipelines

• arxiv url: http://arxiv.org/abs/2602.15921v1
• Date: Tue, 17 Feb 2026 12:25:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.398979
• Title: Latent Objective Induction and Diversity-Constrained Selection: Algorithms for Multi-Locale Retrieval Pipelines
• Title（参考訳）: 潜在目的誘導と多様性制約選択:マルチローカレ検索パイプラインのアルゴリズム
• Authors: Faruk Alpay, Levent Sarioglu,
• Abstract要約: ランク付けされた検索結果から多分野のソースを選択するアルゴリズムを3つ提案する。 これらのアルゴリズムは、120の多言語クエリで、第1のソース比を62%改善し、同ドメイン重複を89%削減する。
• 参考スコア（独自算出の注目度）: 0.2864713389096699
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present three algorithms with formal correctness guarantees and complexity bounds for the problem of selecting a diverse, multi-locale set of sources from ranked search results. First, we formulate weighted locale allocation as a constrained integer partition problem and give an $O(n \log n)$ algorithm that simultaneously satisfies minimum-representation, budget-exhaustion, and proportionality-bound constraints; we prove all three hold with a tight deviation bound of $< 1$. Second, we define a cascaded country-code inference function as a deterministic priority chain over heterogeneous signals (TLD structure, model-inferred metadata, language fallback) and prove it satisfies both determinism and graceful degradation. Third, we introduce a $κ$-domain diversity constraint for source selection and give an $O(|K| \cdot R)$ algorithm that maintains the invariant via hash-map lookup, eliminating the aggregator monopolization pathology present in URL-level deduplication. We further formalize Latent Objective Induction (LOI), an environment-shaping operator over prompt spaces that steers downstream model behavior without restricting the feasible output set, and prove its convergence under mild assumptions. Applied to a multi-locale retrieval pipeline, these algorithms yield 62% improvement in first-party source ratio and 89% reduction in same-domain duplication across 120 multilingual queries.
• Abstract（参考訳）: 本稿では,正規の正当性保証と複雑性境界を持つ3つのアルゴリズムを提案する。 まず、制約付き整数分割問題としてロケール割当を定式化し、最小表現、予算消費、比例制約を同時に満たす$O(n \log n)$アルゴリズムを与える。 第2に、異種信号(TLD構造、モデル推論メタデータ、言語フォールバック)上の決定論的優先連鎖としてカスケードされたカントリーコード推論関数を定義し、決定論的および優雅な分解の両方を満たすことを証明した。 第三に、ソース選択のための$κ$ドメインの多様性制約を導入し、ハッシュマップのルックアップを通じて不変性を維持する$O(|K| \cdot R)$アルゴリズムを与え、URLレベルの重複にあるアグリゲータのモノポライズ・パスを排除した。 さらに、実測可能な出力セットを制限せずに下流モデルの振る舞いを制御し、その収束性を軽度な仮定で証明する、プロンプト空間上の環境形成演算子であるLatent Objective Injection (LOI) を定式化する。 マルチローカル検索パイプラインに適用すると、これらのアルゴリズムは第1のソース比が62%向上し、120のマルチランガルクエリで同ドメイン重複が89%減少する。

関連論文リスト

• On Distributed Larger-Than-Memory Subset Selection With Pairwise Submodular Functions [31.334053253182795]
  証明可能な近似保証付き分散バウンディングアルゴリズムを提案する。 CIFAR-100 と ImageNet の高品質なサブセットは,集中型手法と比較して,品質が損なわれるか,あるいは損なわれない。
  論文  参考訳（メタデータ） (2024-02-26T09:38:39Z)
• Optimal Multi-Distribution Learning [88.3008613028333]
  マルチディストリビューション学習は、$k$の異なるデータ分散における最悪のリスクを最小限に抑える共有モデルを学ぶことを目指している。 本稿では, (d+k)/varepsilon2の順に, サンプルの複雑さを伴って, ヴァレプシロン最適ランダム化仮説を導出するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-12-08T16:06:29Z)
• Best-of-Three-Worlds Linear Bandit Algorithm with Variance-Adaptive Regret Bounds [27.92755687977196]
  本稿では,2つの階層の環境に適応する線形帯域幅アルゴリズムを提案する。 高いレベルでは、提案アルゴリズムは様々な種類の環境に適応する。 提案アルゴリズムは、最適動作に対する累積損失のすべてに依存する、データ依存の後悔境界を有する。
  論文  参考訳（メタデータ） (2023-02-24T00:02:24Z)
• Fully Stochastic Trust-Region Sequential Quadratic Programming for Equality-Constrained Optimization Problems [62.83783246648714]
  目的と決定論的等式制約による非線形最適化問題を解くために,逐次2次プログラミングアルゴリズム(TR-StoSQP)を提案する。 アルゴリズムは信頼領域半径を適応的に選択し、既存の直線探索StoSQP方式と比較して不確定なヘッセン行列を利用することができる。
  論文  参考訳（メタデータ） (2022-11-29T05:52:17Z)
• Stochastic Direct Search Method for Blind Resource Allocation [6.574808513848414]
  線形制約付きおよび微分自由最適化のための直接探索法(パターン探索とも呼ばれる)について検討する。 直接探索法は決定論的かつ制約のない場合において有限の後悔を達成できることを示す。 そこで本研究では,T2/3$のオーダを後悔させるようなダイレクトサーチの簡単な拡張を提案する。
  論文  参考訳（メタデータ） (2022-10-11T07:40:45Z)
• A Systematic Characterization of Sampling Algorithms for Open-ended Language Generation [71.31905141672529]
  本稿では,自己回帰型言語モデルに広く採用されている祖先サンプリングアルゴリズムについて検討する。 エントロピー低減, 秩序保存, 斜面保全の3つの重要な特性を同定した。 これらの特性を満たすサンプリングアルゴリズムのセットが,既存のサンプリングアルゴリズムと同等に動作することがわかった。
  論文  参考訳（メタデータ） (2020-09-15T17:28:42Z)
• Resource Allocation via Model-Free Deep Learning in Free Space Optical Communications [119.81868223344173]
  本稿では,自由空間光学(FSO)通信におけるチャネルフェージング効果の緩和のための資源配分の一般的な問題について検討する。 本フレームワークでは,FSO資源割り当て問題を解決する2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:38:51Z)
• Dualize, Split, Randomize: Toward Fast Nonsmooth Optimization Algorithms [21.904012114713428]
  第一のFが滑らかで第二のFが非滑らかで近似可能な3つの凸函数の和を考える。 このテンプレート問題には、画像処理や機械学習など、多くの応用がある。 この問題に対して PDDY と呼ぶ新しい原始双対アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-04-03T10:48:01Z)

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。