論文の概要: Uniboost: Global Coordination with Value Alignment for Fair and Efficient Traffic Allocation

• arxiv url: http://arxiv.org/abs/2605.26424v1
• Date: Tue, 26 May 2026 01:22:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.521197
• Title: Uniboost: Global Coordination with Value Alignment for Fair and Efficient Traffic Allocation
• Title（参考訳）: Uniboost: 公平かつ効率的なトラフィックアロケーションのためのバリューアライメントを備えたグローバルコーディネート
• Authors: Ge Fan, Nan Zhao, Kai Meng, Cong Luo, Yang Fu, Huiping Chu, Jialin Liu, Yuning Jiang, Bo Zheng,
• Abstract要約: 統一的なトラフィック割り当てフレームワークUniboostを提案する。 Uniboostは抽象モデルスコアを校正し、明示的なビジネス意味論でメトリクスをアンカーする。 複雑な重み付けスキームを分離するために、独立した線形ブースティングパラダイムを採用している。
• 参考スコア（独自算出の注目度）: 26.632076862603796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the rapid evolution of internet services, recommendation systems have become indispensable. In particular, the blending (re-ranking) stage plays a pivotal role in allocating traffic across diverse business objectives. However, existing approaches often suffer from coupled allocation plans, score inflation, and a lack of interpretability. To address these challenges, we propose Uniboost, a unified traffic allocation framework. Uniboost introduces a posterior value alignment mechanism that calibrates abstract model scores to anchor metrics with explicit business semantics, significantly enhancing interpretability. Furthermore, it employs an independent linear boosting paradigm to decouple complex weighting schemes, enabling precise attribution of each plan's contribution. We validate the effectiveness of Uniboost through online A/B tests and in-depth data analysis, demonstrating three key findings: 1) Reducing the overall weight of weighted scores effectively mitigates unintended business interference, yielding a more efficient micro-level traffic allocation strategy; 2) Post-hoc analyses and aggregated dashboards provide intuitive, macro-level insights that guide the design of the overall traffic allocation mechanism; 3) The proposed "Effective Completion Score" serves as an easily obtainable post-metric that offers a reliable anchor for content recommendation pipelines. Collectively, our experiments show that Uniboost not only improves traffic allocation efficiency and recommendation performance at the micro level but also provides macro-level guidance for system iteration. Thus, this work provides an efficient and controllable traffic regulation solution for large-scale industrial recommendation systems.
• Abstract（参考訳）: インターネットサービスの急速な進化に伴い、レコメンデーションシステムは不可欠になっている。 特に、ブレンディング(再ランク)ステージは、さまざまなビジネス目的のトラフィックを割り当てる上で、重要な役割を担います。 しかし、既存のアプローチは、アロケーション計画の複合、インフレーションのスコア、解釈可能性の欠如に悩まされることが多い。 これらの課題に対処するため、統一的なトラフィック割り当てフレームワークUniboostを提案する。 Uniboostは、抽象モデルスコアを校正し、明示的なビジネスセマンティクスでメトリクスをアンカーし、解釈可能性を大幅に向上する後方値アライメントメカニズムを導入している。 さらに、複雑な重み付けスキームを分離するために独立した線形強化パラダイムを採用し、各計画の貢献の正確な帰属を可能にする。 オンラインA/Bテストと詳細なデータ分析を通じてUniboostの有効性を検証する。 1)重み付きスコアの全体的な重量削減は、意図しないビジネス干渉を効果的に軽減し、より効率的なマイクロレベルのトラフィック配分戦略をもたらす。 2) ポストホック分析と集約ダッシュボードは、トラフィック割り当て機構の設計を導く直感的でマクロレベルの洞察を提供する。 3)提案されている"Effective Completion Score"は,コンテンツレコメンデーションパイプラインに信頼性のあるアンカーを提供する,容易に入手可能なポストメトリックとして機能する。 まとめると,Uniboostはマイクロレベルのトラフィック割り当て効率とレコメンデーション性能を向上するだけでなく,システムイテレーションのマクロレベルのガイダンスも提供する。 そこで本研究は,大規模産業レコメンデーションシステムに対して,効率的かつ制御可能な交通規制ソリューションを提供する。

関連論文リスト

• SEATrack: Simple, Efficient, and Adaptive Multimodal Tracker [48.348918789044]
  本稿では, 単純, 効率的, 適応的な2ストリームマルチモーダルトラッカーSEATrackを紹介する。 AMG-LoRAは、AMG(Adaptive Mutual Guidance)とドメイン適応のためのLow-Rank Adaptation (LoRA)をシームレスに統合し、注意マップを動的に洗練・調整する。 そして、効率的なグローバルな関係モデリングを可能にする階層型エキスパート混合(HMoE)を導入することで、従来の局所融合アプローチから脱却する。
  論文  参考訳（メタデータ） (2026-04-14T09:27:50Z)
• A Unified Multi-Task Learning Framework for Generative Auto-Bidding with Validation-Aligned Optimization [51.27959658504722]
  マルチタスク学習は、これらのタスクを共有表現を通じて共同でトレーニングするための、原則化されたフレームワークを提供する。 既存のマルチタスク最適化戦略は、主にトレーニングダイナミクスによって導かれ、不安定な入札環境ではよく一般化される。 本稿では,タスク毎のトレーニング勾配と保留有効度勾配のアライメントに基づいてタスク重みを適応的に割り当てる,バリデーション適応型マルチタスク最適化(VAMO)を提案する。
  論文  参考訳（メタデータ） (2025-10-09T03:59:51Z)
• Joint Channel Estimation and Computation Offloading in Fluid Antenna-assisted MEC Networks [81.36647816787713]
  チャネル推定の遅延を最小限に抑えるためのFA支援オフロードフレームワークを提案する。 提案方式は,効率的な通信を行う場合の精度を大幅に低下させることを示す。
  論文  参考訳（メタデータ） (2025-09-16T08:48:44Z)
• Balancing Semantic Relevance and Engagement in Related Video Recommendations [21.2575040646784]
  関連ビデオレコメンデーションでは、協調フィルタリング(CF)をコエンゲージメント信号で駆動するのが一般的である。 本稿では,意味的関連性とユーザエンゲージメントのバランスをとるために,新しい多目的検索フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-12T21:04:25Z)
• Learning Recommender Systems with Soft Target: A Decoupled Perspective [49.83787742587449]
  そこで本研究では,ソフトラベルを活用することで,目的を2つの側面として捉えるために,分離されたソフトラベル最適化フレームワークを提案する。 本稿では,ラベル伝搬アルゴリズムをモデル化したソフトラベル生成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-09T04:20:15Z)
• Unsupervised Learning for Pilot-free Transmission in 3GPP MIMO Systems [6.352264764099531]
  本稿では、復調基準信号(DM-RS)のない新しいダウンリンクデータ構造を提案する。 ユーザ側で繰り返し構造を実行することで,正準相関解析により信頼性の高いリカバリが可能であることを示す。 また,OFDMシステムにおけるCCA性能向上のための2つの効果的なメカニズムを提案する。
  論文  参考訳（メタデータ） (2023-02-04T16:32:40Z)
• MADAv2: Advanced Multi-Anchor Based Active Domain Adaptation Segmentation [98.09845149258972]
  セマンティックセグメンテーションタスクに関するドメイン適応を支援するために,アクティブなサンプル選択を導入する。 これらのサンプルを手動でアノテートする作業量が少ないため、ターゲット領域分布の歪みを効果的に緩和することができる。 長期分布問題を緩和するために、強力な半教師付きドメイン適応戦略を提案する。
  論文  参考訳（メタデータ） (2023-01-18T07:55:22Z)

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。