論文の概要: LocalSUG: Geography-Aware LLM for Query Suggestion in Local-Life Services
- arxiv url: http://arxiv.org/abs/2603.04946v1
- Date: Thu, 05 Mar 2026 08:42:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-06 22:06:11.142239
- Title: LocalSUG: Geography-Aware LLM for Query Suggestion in Local-Life Services
- Title（参考訳）: LocalSUG: ローカルライフサービスにおけるクエリ提案のための地理学的LLM
- Authors: Jinwen Chen, Shuai Gong, Shiwen Zhang, Zheng Zhang, Yachao Zhao, Lingxiang Wang, Haibo Zhou, Yuan Zhan, Wei Lin, Hainan Zhang,
- Abstract要約: ローカルライフサービスプラットフォームでは、クエリ提案モジュールがユーザエクスペリエンスを向上させる上で重要な役割を果たす。
従来のマルチステージのカスケードシステムは、歴史的トップクエリに大きく依存しており、ロングテール需要に対処する能力を制限する。
ローカルライフサービスプラットフォームに適したLLMベースのクエリ提案フレームワークであるLocalSUGを提案する。
- 参考スコア（独自算出の注目度）: 20.871909302686976
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In local-life service platforms, the query suggestion module plays a crucial role in enhancing user experience by generating candidate queries based on user input prefixes, thus reducing user effort and accelerating search. Traditional multi-stage cascading systems rely heavily on historical top queries, limiting their ability to address long-tail demand. While LLMs offer strong semantic generalization, deploying them in local-life services introduces three key challenges: lack of geographic grounding, exposure bias in preference optimization, and online inference latency. To address these issues, we propose LocalSUG, an LLM-based query suggestion framework tailored for local-life service platforms. First, we introduce a city-aware candidate mining strategy based on term co-occurrence to inject geographic grounding into generation. Second, we propose a beam-search-driven GRPO algorithm that aligns training with inference-time decoding, reducing exposure bias in autoregressive generation. A multi-objective reward mechanism further optimizes both relevance and business-oriented metrics. Finally, we develop quality-aware beam acceleration and vocabulary pruning techniques that significantly reduce online latency while preserving generation quality. Extensive offline evaluations and large-scale online A/B testing demonstrate that LocalSUG improves click-through rate (CTR) by +0.35% and reduces the low/no-result rate by 2.56%, validating its effectiveness in real-world deployment.
- Abstract（参考訳）: ローカルライフサービスプラットフォームでは、ユーザ入力プレフィックスに基づいて候補クエリを生成することにより、ユーザエクスペリエンスを向上させる上で、クエリ提案モジュールが重要な役割を果たす。
従来のマルチステージのカスケードシステムは、歴史的トップクエリに大きく依存しており、ロングテール需要に対処する能力を制限する。
LLMは強力なセマンティックな一般化を提供するが、ローカルライフサービスにそれらをデプロイすることは、地理的グラウンドの欠如、優先最適化における露出バイアス、オンライン推論レイテンシの3つの大きな課題をもたらす。
これらの問題に対処するために,ローカルライフサービスプラットフォームに適したLLMベースのクエリ提案フレームワークであるLocalSUGを提案する。
まず、地理的接地を世代に注入するための用語共起に基づく都市を意識した鉱業戦略を提案する。
次に,ビーム探索駆動型GRPOアルゴリズムを提案する。
多目的報酬メカニズムは、関連性とビジネス指向のメトリクスをさらに最適化する。
最後に、生成品質を保ちながら、オンラインの遅延を著しく低減する品質対応ビームアクセラレーションとボキャブラリプルーニング技術を開発した。
大規模なオフライン評価と大規模なオンラインA/Bテストにより、LocalSUGはクリックスルーレート(CTR)を+0.35%改善し、ロー/ノー/レストレートを2.56%削減し、実際のデプロイメントにおける有効性を検証している。
関連論文リスト
- AskNearby: An LLM-Based Application for Neighborhood Information Retrieval and Personalized Cognitive-Map Recommendations [17.591012444861786]
15分の街」は、徒歩や自転車で日々の需要に応えられる地区を構想している。このビジョンを実現するには、物理的な近接だけでなく、近隣の場所、サービス、イベントに関する情報への効率よく信頼性の高いアクセスが必要である。
我々はこのギャップをLLIA(Local Life Information Accessibility)問題として概念化し、AIによるコミュニティアプリケーションであるAskNearbyを紹介した。
論文 参考訳（メタデータ） (2025-12-02T07:47:31Z) - VLM-Guided Visual Place Recognition for Planet-Scale Geo-Localization [24.433604332415204]
本稿では,視覚言語モデルと視覚的位置認識の強みを融合した,新しいハイブリッドなジオローカライゼーションフレームワークを提案する。
我々は,複数のジオローカライゼーションベンチマークに対するアプローチを評価し,従来手法よりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2025-07-23T12:23:03Z) - LPO: Towards Accurate GUI Agent Interaction via Location Preference Optimization [58.65395773049273]
位置優先最適化(Location Preference Optimization、LPO)は、位置データを利用してインタラクションの好みを最適化する新しいアプローチである。
LPOは情報エントロピーを使用して、情報に富んだゾーンに注目して相互作用位置を予測する。
私たちのコードは間もなくhttps://github.com/AIDC-AI/LPO.comで公開されます。
論文 参考訳（メタデータ） (2025-06-11T03:43:30Z) - ReGUIDE: Data Efficient GUI Grounding via Spatial Reasoning and Search [53.40810298627443]
ReGUIDEは、MLLMが自己生成的推論と空間認識的批判を通じてデータを効率的に学習することを可能にするWebグラウンドのためのフレームワークである。
実験により、ReGUIDEは複数のベンチマークでWebグラウンド性能を大幅に向上することが示された。
論文 参考訳（メタデータ） (2025-05-21T08:36:18Z) - SweRank: Software Issue Localization with Code Ranking [109.3289316191729]
SweRankは、ソフトウェア問題ローカライゼーションのための効率的な検索と参照のためのフレームワークである。
パブリックなGitHubリポジトリからキュレートされた大規模なデータセットであるSweLocを構築します。
SweRankは最先端の性能を達成し、従来のランキングモデルとコストの高いエージェントベースシステムの両方より優れていることを示す。
論文 参考訳（メタデータ） (2025-05-07T19:44:09Z) - ThinkFL: Self-Refining Failure Localization for Microservice Systems via Reinforcement Fine-Tuning [31.89194823470957]
小さなモデルに基づく従来の障害ローカライゼーションアプローチでは、さまざまな障害シナリオに適応する柔軟性が欠如しています。
本稿では,多要素障害の局所化と再帰的アクターモジュールを統合した,プログレッシブな多段階GRPO微調整フレームワークを提案する。
得られたモデルであるThinkFLは、既存の最先端のLCMやベースラインメソッドよりもローカライズ精度が高いが、エンドツーエンドのローカライズ遅延を数分から秒に短縮する。
論文 参考訳（メタデータ） (2025-04-26T03:08:30Z) - Confident or Seek Stronger: Exploring Uncertainty-Based On-device LLM Routing From Benchmarking to Generalization [61.02719787737867]
大規模言語モデル(LLM)はますますエッジデバイスにデプロイされ、民主化されている。
1つの有望な解決策は不確実性に基づくSLMルーティングであり、SLM上での低信頼応答が発生すると、高い要求を強いLCMにオフロードする。
我々は1500以上の設定でSLMからLLMへの不確実性駆動型ルーティング戦略のベンチマークと一般化を包括的に調査する。
論文 参考訳（メタデータ） (2025-02-06T18:59:11Z) - Client-Centric Federated Adaptive Optimization [78.30827455292827]
Federated Learning(FL)は、クライアントが独自のデータをプライベートに保ちながら、協調的にモデルをトレーニングする分散学習パラダイムである。
本稿では,新しいフェデレーション最適化手法のクラスであるフェデレーション中心適応最適化を提案する。
論文 参考訳（メタデータ） (2025-01-17T04:00:50Z) - A Multi-Agent Approach to Fault Localization via Graph-Based Retrieval and Reflexion [8.22737389683156]
従来のフォールトローカライゼーション技術は、広範なトレーニングデータセットと高い計算資源を必要とする。
大規模言語モデル(LLM)の最近の進歩は、コード理解と推論を強化することで、新たな機会を提供する。
LLM4FLは3つの特殊なLLMエージェントを利用するマルチエージェントの故障局所化フレームワークである。
14のJavaプロジェクトから675の障害を含むDefects4Jベンチマークで評価され、LLM4FLはAutoFLよりも18.55%、SoapFLより4.82%、Top-1の精度が18.55%向上した。
論文 参考訳（メタデータ） (2024-09-20T16:47:34Z) - Efficiency Unleashed: Inference Acceleration for LLM-based Recommender Systems with Speculative Decoding [61.45448947483328]
LLMベースのレコメンダシステム(LASER)の投機的復号化によるロスレス高速化について紹介する。
LASERは、検索効率を高めるためのカスタマイズされた検索プールと、ドラフトトークンの受け入れ率を改善するための緩和検証を備えている。
LASERは公開データセットの3～5倍のスピードアップを実現し、オンラインA/Bテスト中に約67%の計算リソースを節約する。
論文 参考訳（メタデータ） (2024-08-11T02:31:13Z) - Local positional graphs and attentive local features for a data and runtime-efficient hierarchical place recognition pipeline [11.099588962062937]
本稿では,既存のアプローチを拡張し,新しいアイデアを提示する,ランタイムとデータ効率のよい階層型VPRパイプラインを提案する。
まず,ローカル画像の特徴の空間的コンテキスト情報を符号化する学習不要かつ実行効率のよいアプローチであるローカル位置グラフ(LPG)を提案する。
第2に,アテンタティブ・ローカルSPED(Attentive Local SPED)について述べる。
第3に,超次元計算を利用した階層型パイプラインを提案し,高速な候補選択と候補再評価のために,全体的HDC記述子と同じ局所的特徴を利用する。
論文 参考訳（メタデータ） (2024-03-15T13:26:39Z)
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。