論文の概要: Can We Steer the Black-Box? Towards Controllability-Centric Evaluation of Recommender Systems with Collaborative Agents

• arxiv url: http://arxiv.org/abs/2607.13418v2
• Date: Thu, 16 Jul 2026 00:42:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 14:53:42.220529
• Title: Can We Steer the Black-Box? Towards Controllability-Centric Evaluation of Recommender Systems with Collaborative Agents
• Title（参考訳）: ブラックボックスを操れるか? -協調エージェントを用いたレコメンダシステムの制御可能性中心評価に向けて-
• Abstract要約: 制御性評価のためのフレームワークであるCtrlBench-Recを提案する。 我々は、コンテンツ発見、興味プロファイル形成、人気バイアス緩和の3つの基本的なタスクを定式化する。 実世界のデータセットと複数のレコメンデーションモデルに関する大規模な実験は、我々のフレームワークが効果的に制御可能性の定量化を実証している。
• 参考スコア（独自算出の注目度）: 27.581560179325816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommender systems operate as Black-Boxes, leaving users and regulators unable to steer their outputs toward specific intentions or audit their behavior. This lack of controllability, defined as the system's ability to respond to explicit guidance, remains an unaddressed dimension in existing evaluation paradigms. To fill this gap, we propose CtrlBench-Rec, a collaborative multi-agent framework for systematic assessment of controllability. We formalize three fundamental tasks: target content discovery, interest profile shaping, and popularity bias mitigation, which together measure steerability from explicit commands to implicit representation steering and finally to overcoming algorithmic biases.Extensive experiments on real-world datasets and multiple recommendation models demonstrate that our framework effectively quantifies controllability and exposes critical system bottlenecks, most notably persistent resistance to guiding long tail content. CtrlBench-Rec provides the first standardized toolkit for controllable recommendation research, algorithmic auditing, and user empowerment. Our code is released on https://github.com/caskcsg/CtrlBenchRec.
• Abstract（参考訳）: レコメンダシステムはブラックボックスとして機能し、ユーザーや規制当局は特定の意図に向けてアウトプットを操縦したり、行動を監査することができない。 この制御性の欠如は、システムの明示的なガイダンスに応答する能力として定義されており、既存の評価パラダイムでは未適応の次元のままである。 このギャップを埋めるために、制御可能性の体系的評価のための協調的マルチエージェントフレームワークであるCtrlBench-Recを提案する。 対象コンテンツ発見,興味プロファイル形成,人気バイアス緩和という3つの基本的なタスクを形式化し,明示的なコマンドから暗黙的な表現のステアリング,そして最終的にはアルゴリズム的バイアスを克服する。現実のデータセットと複数のレコメンデーションモデルに関する大規模な実験により,我々のフレームワークが制御可能性を効果的に定量化し,重要なシステムのボトルネックを明らかにすることが実証された。 CtrlBench-Recは、制御可能なレコメンデーション研究、アルゴリズム監査、ユーザーエンパワーメントのための最初の標準化されたツールキットを提供する。 私たちのコードはhttps://github.com/caskcsg/CtrlBenchRecでリリースされています。

関連論文リスト

• Verifiable Reasoning for LLM-based Generative Recommendation [106.7765000777685]
  大規模言語モデル(LLM)における推論は、最近、生成的レコメンデーションの強化に強い可能性を示している。 本稿では,信頼性の高いフィードバックを提供するために,検証と推論をインターリーブする新しいTextbftextitreason-verify-recommendパラダイムを提案する。 4つの実世界のデータセットの実験は、VRecが効率を損なうことなく、推奨の有効性とスケーラビリティを大幅に向上することを示した。
  論文  参考訳（メタデータ） (2026-03-08T16:55:45Z)
• Token-Controlled Re-ranking for Sequential Recommendation via LLMs [32.61510378078676]
  CORECは、新しいトークン拡張されたリグレードフレームワークで、レコメンデーション結果の作成に特定のユーザー要求を取り入れている。 CORECは、明示的な属性ベースの信号を通じて、正確なフレキシブルなコントロールで検索結果を再ランク付けすることを可能にする。 実験により、CORECは標準推奨の有効性に関する最先端のベースラインを超えていることが示されている。
  論文  参考訳（メタデータ） (2025-11-22T04:31:19Z)
• Robust Verification of Controllers under State Uncertainty via Hamilton-Jacobi Reachability Analysis [49.31947916567367]
  Hamilton-Jacobi (J) リーチビリティ解析は、最悪の不確実性の下で最適なリーチビリティを計算できる一般的な非線形システムに対する一般的な形式的検証ツールである。 この作業は、HJローバーを介してRobust Verification Controllersのための、HJベースのリーチビリティベースのシステム検証フレームワークである。 本稿では,Ro-CoReの安全性検証とコントローラ設計のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-11-18T18:55:20Z)
• A Unified Causal Framework for Auditing Recommender Systems for Ethical Concerns [40.793466500324904]
  我々は、因果レンズからのレコメンデータシステム監査を見て、監査基準を定義するための一般的なレシピを提供する。 この一般的な因果監査フレームワークでは、既存の監査指標を分類し、それらのギャップを識別する。 本稿では,ユーザ自身やユーザの推奨に影響を及ぼす能力を計測する,未来と過去の評価可能性と安定性の2つのクラスを提案する。
  論文  参考訳（メタデータ） (2024-09-20T04:37:36Z)
• An Efficient Continuous Control Perspective for Reinforcement-Learning-based Sequential Recommendation [14.506332665769746]
  本稿では,UnderlinetextbfEfficient UnderlinetextbfContinuous UnderlinetextbfControl framework (ECoC)を提案する。 まず、統計的に検証された仮定に基づいて、正規化されたユーザとアイテム空間から抽象化された新しい統一されたアクション表現を提案する。 このプロセスでは、統合された行動の観点から戦略的な探索と方向性の制御が慎重に設計され、最終的な勧告決定に不可欠である。
  論文  参考訳（メタデータ） (2024-08-15T09:26:26Z)
• User-Controllable Recommendation via Counterfactual Retrospective and Prospective Explanations [96.45414741693119]
  本稿では,説明可能性と可制御性をシームレスに統合するユーザ制御型レコメンデータシステムを提案する。 反ファクト推論を通じて、ふりかえりと予測的な説明の両方を提供することで、ユーザーはシステムに対する制御をカスタマイズできる。
  論文  参考訳（メタデータ） (2023-08-02T01:13:36Z)
• Recommendation Systems with Distribution-Free Reliability Guarantees [83.80644194980042]
  我々は、主に良いアイテムを含むことを厳格に保証されたアイテムのセットを返す方法を示す。 本手法は, 擬似発見率の厳密な有限サンプル制御によるランキングモデルを提供する。 我々はYahoo!のランキングとMSMarcoデータセットの学習方法を評価する。
  論文  参考訳（メタデータ） (2022-07-04T17:49:25Z)
• Controllable Summarization with Constrained Markov Decision Process [50.04321779376415]
  本研究では,ユーザが特定の属性を制御できる可制御テキスト要約について検討する。 制約付きマルコフ決定プロセス(CMDP)に基づく新しいトレーニングフレームワークを提案する。 我々のフレームワークは、長さ、被覆された実体、抽象性など、要約の重要な属性を制御するために応用できる。
  論文  参考訳（メタデータ） (2021-08-07T09:12:53Z)
• Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
  我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。 我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。 私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
  論文  参考訳（メタデータ） (2020-05-19T10:18:43Z)

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。