論文の概要: IDProxy: Cold-Start CTR Prediction for Ads and Recommendation at Xiaohongshu with Multimodal LLMs
- arxiv url: http://arxiv.org/abs/2603.01590v1
- Date: Mon, 02 Mar 2026 08:16:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.760084
- Title: IDProxy: Cold-Start CTR Prediction for Ads and Recommendation at Xiaohongshu with Multimodal LLMs
- Title（参考訳）: IDProxy: XiaohongshuにおけるマルチモーダルLCMによる広告・レコメンデーションのコールドスターCTR予測
- Authors: Yubin Zhang, Haiming Xu, Guillaume Salha-Galvan, Ruiyan Han, Feiyang Xiao, Yanhua Huang, Li Lin, Yang Luo, Yao Hu,
- Abstract要約: IDproxyはリッチコンテンツ信号からプロキシ埋め込みを生成し、使用データなしで新しいアイテムを予測する。
これはXiaohongshuのExplore FeedのContent FeedとDisplay Adsの両機能で成功し、毎日数億人のユーザーに配信されている。
- 参考スコア（独自算出の注目度）: 28.012406568220808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Click-through rate (CTR) models in advertising and recommendation systems rely heavily on item ID embeddings, which struggle in item cold-start settings. We present IDProxy, a solution that leverages multimodal large language models (MLLMs) to generate proxy embeddings from rich content signals, enabling effective CTR prediction for new items without usage data. These proxies are explicitly aligned with the existing ID embedding space and are optimized end-to-end under CTR objectives together with the ranking model, allowing seamless integration into existing large-scale ranking pipelines. Offline experiments and online A/B tests demonstrate the effectiveness of IDProxy, which has been successfully deployed in both Content Feed and Display Ads features of Xiaohongshu's Explore Feed, serving hundreds of millions of users daily.
- Abstract（参考訳）: 広告やレコメンデーションシステムにおけるクリックスルーレート(CTR)モデルは、アイテムIDの埋め込みに大きく依存している。
マルチモーダル大言語モデル(MLLM)を利用してリッチコンテンツ信号からプロキシ埋め込みを生成するIDProxyを提案する。
これらのプロキシは、既存のID埋め込みスペースと明確に一致し、CTRの目的の下でエンドツーエンドに最適化され、ランキングモデルとともに、既存の大規模ランキングパイプラインへのシームレスな統合を可能にする。
オフライン実験とオンラインA/Bテストは、XiaohongshuのExplore FeedのContent FeedとDisplay Adsの両機能にうまくデプロイされ、毎日数億人のユーザにサービスを提供しているIDProxyの有効性を実証している。
関連論文リスト
- RQ-GMM: Residual Quantized Gaussian Mixture Model for Multimodal Semantic Discretization in CTR Prediction [29.97246591569267]
CTRモデルに組み込む前にセマンティックIDに埋め込みを識別することは、より効果的なソリューションを提供する。
本稿では,マルチモーダル埋め込み空間の統計構造をより正確に把握するための確率的モデリングを導入するRQ-GMMを提案する。
RQ-GMMは、優れたコードブック利用と再構築精度を実現する。
論文 参考訳（メタデータ） (2026-02-13T04:11:24Z) - SUMMA: A Multimodal Large Language Model for Advertisement Summarization [15.514886325064792]
本研究では,ビデオ広告を商品価値の高いコンテンツを強調する要約に加工するモデルであるSUMMAを提案する。
SUMMAは2段階の訓練戦略-マルチモーダル指導型微調整と強化学習によって開発される。
オンライン実験は、統計的に広告収入が1.5%増加したことを示している。
論文 参考訳（メタデータ） (2025-08-28T09:19:53Z) - Large Foundation Model for Ads Recommendation [50.71446552453167]
広告レコメンデーションのための全表現多言語移動フレームワーク LFM4Ads を提案する。
LFM4AdsはTencentの産業規模の広告プラットフォームで成功している。
論文 参考訳（メタデータ） (2025-08-20T10:18:01Z) - CTTS: Collective Test-Time Scaling [58.564620942591866]
テスト時スケーリング(TTS)は,大規模言語モデル(LLM)のパフォーマンス向上のための,有望かつトレーニング不要なアプローチとして登場した。
単体テストタイムスケーリング(STTS)パラダイムを克服するために、CTTS(Collective Test-Time Scaling)を導入します。
CTTS-MMは、マルチエージェントとマルチリワードのコラボレーションを運用する新しいフレームワークである。
論文 参考訳（メタデータ） (2025-08-05T11:19:08Z) - Learning Item Representations Directly from Multimodal Features for Effective Recommendation [51.49251689107541]
マルチモーダルレコメンデータシステムは、主にベイズパーソナライズされたランク付け(BPR)最適化を利用してアイテム表現を学習する。
本稿では,マルチモーダルな特徴からアイテム表現を直接学習し,推薦性能を向上する新しいモデル(LIRDRec)を提案する。
論文 参考訳（メタデータ） (2025-05-08T05:42:22Z) - CTR-Driven Advertising Image Generation with Multimodal Large Language Models [53.40005544344148]
本稿では,Click-Through Rate (CTR) を主目的とし,マルチモーダル大言語モデル(MLLM)を用いた広告画像の生成について検討する。
生成した画像のCTRをさらに改善するため、強化学習(RL)を通して事前学習したMLLMを微調整する新たな報酬モデルを提案する。
本手法は,オンラインとオフラインの両方で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-02-05T09:06:02Z) - MIM: Multi-modal Content Interest Modeling Paradigm for User Behavior Modeling [27.32474950026696]
マルチモーダルコンテンツ興味モデリングパラダイム(MIM)を提案する。
MIMは3つの主要なステージで構成されている。
CTRでは+14.14%、RPMでは+4.12%の大幅な増加を達成した。
論文 参考訳（メタデータ） (2025-02-01T05:06:21Z) - Multimodality Helps Few-shot 3D Point Cloud Semantic Segmentation [61.91492500828508]
FS-PCS (Few-shot 3D point cloud segmentation) は、最小のサポートサンプルで新しいカテゴリを分割するモデルを一般化することを目的としている。
テキストラベルと潜在的に利用可能な2次元画像モダリティを利用したマルチモーダルFS-PCS構成を提案する。
トレーニングバイアスを軽減するため,テスト時間適応型クロスモーダル(TACC)技術を提案する。
論文 参考訳（メタデータ） (2024-10-29T19:28:41Z) - LLMEmb: Large Language Model Can Be a Good Embedding Generator for Sequential Recommendation [57.49045064294086]
大きな言語モデル(LLM)は、その人気とは無関係に、アイテム間の意味的関係をキャプチャする能力を持つ。
LLMEmb(LLMEmb)は、LCMを利用してアイテム埋め込みを生成し、逐次レコメンダシステム(SRS)の性能を向上させる手法である。
論文 参考訳（メタデータ） (2024-09-30T03:59:06Z) - AIE: Auction Information Enhanced Framework for CTR Prediction in Online Advertising [40.15990482157583]
オンライン広告におけるCTR予測のためのオークション情報強化フレームワーク(AIE)を提案する。
AIEは、Adaptive Market-price Auxiliary Module (AM2) と Bid Module (BCM) の2つのプラグインモジュールを導入した。
AIEの有効性と互換性を示すために、パブリックデータセットと産業データセットで実験を行う。
論文 参考訳（メタデータ） (2024-08-15T03:25:56Z) - Multi-Scenario Combination Based on Multi-Agent Reinforcement Learning to Optimize the Advertising Recommendation System [38.501423778989704]
本稿では,異なるシナリオを共通の目的の下で整列するマルチエージェント・リカレント決定性ポリシー勾配(MARDPG)アルゴリズムを提案する。
その結果,クリックスルー率 (CTR) , コンバージョン率, 総売上など, 指標の大幅な改善が見られた。
論文 参考訳（メタデータ） (2024-07-03T02:33:20Z) - VFed-SSD: Towards Practical Vertical Federated Advertising [53.08038962443853]
本稿では,2つの制限を緩和する半教師付き分割蒸留フレームワーク VFed-SSD を提案する。
具体的には,垂直分割された未ラベルデータを利用する自己教師型タスクMatchedPair Detection (MPD) を開発する。
当社のフレームワークは,デプロイコストの最小化と大幅なパフォーマンス向上を図った,リアルタイム表示広告のための効率的なフェデレーション強化ソリューションを提供する。
論文 参考訳（メタデータ） (2022-05-31T17:45:30Z)
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。