論文の概要: From Bootstrapping to Sequence Modeling: A Unified Generative Framework for Personalized Landing-Page Modeling
- arxiv url: http://arxiv.org/abs/2606.27865v1
- Date: Fri, 26 Jun 2026 09:06:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.437369
- Title: From Bootstrapping to Sequence Modeling: A Unified Generative Framework for Personalized Landing-Page Modeling
- Title（参考訳）: ブートストラップからシーケンスモデリングへ:パーソナライズされたランディングページモデリングのための統一的な生成フレームワーク
- Abstract要約: GLAN(Generative Landing-page Adaptive Navigator)は、PLPMをグローバルな視点から扱うために決定変換器上に構築されたシーケンスモデリングフレームワークである。
まず,L-RTGモジュールを設計し,ユーザの日々の消費動態を把握し,1日以内に全ページ割り当ての正確なグローバルガイダンスを提供する。
さらに,セッションレベルのフィードバックを微細な信号に分解するHRMモジュールを提案する。
- 参考スコア（独自算出の注目度）: 8.907208734911164
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern online platforms increasingly adopt multi-page architectures to accommodate diverse user needs. On these platforms, page navigation (the process of directing users to specific functional pages upon app entry) serves as a critical gateway that shapes user's first impression and significantly influences subsequent engagement. To optimize this process, Kuaishou formulated the task of Personalized Landing Page Modeling (PLPM) and proposed KLAN, a reinforcement learning framework built upon Conservative Q-Learning (CQL). However, CQL-based approaches suffer from two fundamental limitations: (1) the Markov assumption fails to capture the strong non-Markovian temporal dependencies inherent in real-world user behaviors, and (2) TD learning with bootstrapping incurs severe cumulative errors and credit assignment difficulties under delayed rewards, particularly in long-horizon settings where users enter the app multiple times daily. To address these limitations, we propose GLAN (Generative Landing-page Adaptive Navigator), a sequence modeling framework built on Decision Transformer to tackle PLPM from a unified global-local perspective. Specifically, GLAN incorporates two key modules. First, we design the L-RTG module that captures users' inter-day consumption dynamics to provide accurate global guidance for all page assignments within a day. Furthermore, we propose the HRM module that decomposes session-level feedback into fine-grained signals, enabling precise local supervision for each page assignment. Extensive online experiments conducted on the Kuaishou platform demonstrate the effectiveness of GLAN, achieving +0.158\% and +0.108\% improvements on Daily Active Users (DAU) and user Lifetime (LT) respectively.
- Abstract（参考訳）: 現代のオンラインプラットフォームは、多様なユーザニーズに対応するために、ますます多ページアーキテクチャを採用するようになっている。
これらのプラットフォームでは、ページナビゲーション(ユーザをアプリ入力時に特定の機能ページに誘導するプロセス)が、ユーザの最初の印象を形作る重要なゲートウェイとして機能し、その後のエンゲージメントに大きく影響する。
このプロセスを最適化するために、Kuaishou氏はパーソナライズドランディングページモデリング(PLPM)のタスクを策定し、保守的Qラーニング(CQL)に基づく強化学習フレームワークであるKLANを提案した。
しかし、CQLベースのアプローチでは、(1)マルコフの仮定は、現実世界のユーザの行動に固有の強力な非マルコフ的時間的依存関係を捉えず、(2)ブートストラップによるTD学習は、特にユーザーが毎日何回もアプリに入力するロングホライゾン設定において、重大な累積誤差とクレジット割り当ての困難を生じさせる。
これらの制約に対処するため,我々は,PLPMをグローバルな統一的な視点から扱うために,決定変換器上に構築されたシーケンスモデリングフレームワークであるGLAN(Generative Landing-page Adaptive Navigator)を提案する。
具体的には、GLANには2つの重要なモジュールがある。
まず,L-RTGモジュールを設計し,ユーザの日々の消費動態を把握し,1日以内に全ページ割り当ての正確なグローバルガイダンスを提供する。
さらに,セッションレベルのフィードバックを微細な信号に分解するHRMモジュールを提案する。
Kuaishouプラットフォーム上で実施された大規模なオンライン実験は、デイリーアクティブユーザー(DAU)とユーザライフタイム(LT)において、GLANの有効性が+0.158\%および+0.108\%向上していることを示している。
関連論文リスト
- Action-Aware Generative Sequence Modeling for Short Video Recommendation [50.74467504063892]
ショートビデオには様々な部分が含まれており、ユーザーはそれらすべてに対して同じ態度を取ることはできない。
従来のバイナリ分類レコメンデーションモデルは、ビデオを単一の全体的エンティティとして扱うが、そのような微妙な好みを正確に捉えるには限界に直面している。
本稿では,時間的次元に沿ってユーザアクションを洗練させる行動認識生成系列ネットワーク(A2Gen)を提案する。
論文 参考訳（メタデータ） (2026-04-28T16:41:04Z) - Learning to Accelerate Vision-Language-Action Models through Adaptive Visual Token Caching [25.295588774254952]
我々は、学習可能なポリシー最適化問題として推論加速度を再構成する。
本稿では,タスク認識による意思決定プロセスを直接Vision-Language-Actionモデルに統合する新しいフレームワークを提案する。
提案手法は, 平均成功率を同時に向上させながら, 1.76倍のウォールクロック推定速度向上を実現する。
論文 参考訳（メタデータ） (2026-01-31T12:12:51Z) - From One-to-One to Many-to-Many: Dynamic Cross-Layer Injection for Deep Vision-Language Fusion [91.35078719566472]
VLM(Vision-Language Models)は、粗い非対称接続を使用することで、深刻な視覚的特徴のボトルネックを生み出す。
CLI(Cross-Layer Injection)は,2つのモダリティの間に動的に多対多の橋を架ける,斬新で軽量なフレームワークである。
論文 参考訳（メタデータ） (2026-01-15T18:59:10Z) - SALT: Step-level Advantage Assignment for Long-horizon Agents via Trajectory Graph [15.303565124424635]
大きな言語モデル(LLM)は、言語エージェントがシングルターンタスクでエキサイティングな機能を示す。
複雑な多段階・長期のタスクへの応用は依然として困難である。
本稿では,結果報酬のみから派生した,よりきめ細かい有利な代入を提供するフレームワークであるSALTを提案する。
論文 参考訳（メタデータ） (2025-10-22T20:50:24Z) - Continual Learning for VLMs: A Survey and Taxonomy Beyond Forgetting [70.83781268763215]
視覚言語モデル(VLM)は、大規模事前学習を活用することで、多様なマルチモーダルタスクにおいて優れたパフォーマンスを実現している。
VLMは、クロスモーダル機能ドリフト、共有アーキテクチャによるパラメータ干渉、ゼロショット機能侵食など、ユニークな課題に直面している。
本調査は、生涯の視覚言語システムを開発する研究者にとって、包括的かつ診断的な基準となることを目的としている。
論文 参考訳（メタデータ） (2025-08-06T09:03:10Z) - KLAN: Kuaishou Landing-page Adaptive Navigator [6.764175159874771]
本稿ではパーソナライズド・ランディング・ページ・モデリング(PLPM)の課題を定義する。
パーソナライズされたランディングページを提供するために設計された階層型ソリューションフレームワークであるKLANを提案する。
私たちのKLANは最終的にフルトラフィックでオンラインプラットフォームにデプロイされ、数億人のユーザにサービスを提供しています。
論文 参考訳（メタデータ） (2025-07-31T11:37:11Z) - UniSTD: Towards Unified Spatio-Temporal Learning across Diverse Disciplines [64.84631333071728]
本稿では,時間的モデリングのためのトランスフォーマーベースの統合フレームワークであるbfUnistageを紹介する。
我々の研究は、タスク固有の視覚テキストが時間学習のための一般化可能なモデルを構築することができることを示した。
また、時間的ダイナミクスを明示的に組み込むための時間的モジュールも導入する。
論文 参考訳（メタデータ） (2025-03-26T17:33:23Z) - Dynamic Allocation Hypernetwork with Adaptive Model Recalibration for Federated Continual Learning [49.508844889242425]
適応型モデル再構成(FedDAH)を用いた動的アロケーション・ハイパーネットワーク(動的アロケーション・ハイパーネットワーク)の医用領域におけるサーバサイドFCLパターンを提案する。
FedDAHは、クライアント間で異なる動的タスクストリームの下での協調学習を容易にするように設計されている。
バイアス最適化のために,従来のモデルの変更候補を現在のサーバ更新に組み込むために,新しい適応モデル再校正(AMR)を導入する。
論文 参考訳（メタデータ） (2025-03-25T00:17:47Z) - Dynamic Allocation Hypernetwork with Adaptive Model Recalibration for FCL [49.508844889242425]
適応型モデル再校正(textbfFedDAH)を用いた動的アロケーション・ハイパーネットワークの医療領域におけるサーバサイドFCLパターンを提案する。
バイアス最適化のために,従来のモデルの変更候補を現在のサーバ更新に組み込むために,新しい適応モデル再校正(AMR)を導入する。
AMOSデータセットの実験では、異なるタスクストリームを持つサイトの他のFCLメソッドよりもFedDAHの方が優れていることが示されています。
論文 参考訳（メタデータ） (2025-03-23T13:12:56Z) - Temporal Action Localization with Cross Layer Task Decoupling and Refinement [22.85419912488819]
時間的アクションローカライゼーション(TAL)は、ビデオ内のアクションを分類し、ローカライズする2つのタスクを含む。
CLTDR(Cross Layer Task Decoupling and Refinement)を用いた新しいTAL法を提案する。
提案手法は,THUMOS14,MultiTHUMOS,EPIC-KITCHENS-100,ActivityNet-1.3,HACSの5つのベンチマークにおいて,最先端性能を実現する。
論文 参考訳（メタデータ） (2024-12-12T11:56:24Z) - Fast-Slow Test-Time Adaptation for Online Vision-and-Language Navigation [67.18144414660681]
オンラインビジョン・アンド・ランゲージナビゲーション(VLN)のためのFSTTA(Fast-Slow Test-Time Adaptation)アプローチを提案する。
提案手法は,4つのベンチマークにおいて顕著な性能向上を実現する。
論文 参考訳（メタデータ） (2023-11-22T07:47:39Z)
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。