論文の概要: RecGPT-V3 Technical Report

• arxiv url: http://arxiv.org/abs/2607.15591v2
• Date: Fri, 24 Jul 2026 12:46:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 14:08:30.708044
• Title: RecGPT-V3 Technical Report
• Title（参考訳）: RecGPT-V3技術報告
• Abstract要約: RecGPT-V3は、自然言語をオープンワールドの知識に当てはめる、ステートフルでハイブリッドなモーダルなレコメンデーターである。 Memory Hubは、長い水平動作を凝縮単位に蒸留する構造化された、継続的な進化中のユーザメモリを維持します。 ハイブリッド・モーダル・ファンデーション・モデル(Hybrid-modal Foundation Model)は、LLMがテキストタグとSIDを共同で推論し、アイテム空間に高帯域チャネルを開くことを可能にする。
• 参考スコア（独自算出の注目度）: 30.018518456435938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are transforming recommender systems from matching co-occurrence patterns in historical behavior toward reasoning about the intent that drives it. RecGPT-V1 pioneered this paradigm on Taobao by centering user understanding, and RecGPT-V2 scaled it via coordinated multi-agent reasoning; both are deployed in production with consistent gains in user experience and commercial outcomes. However, operating RecGPT at scale reveals three challenges: (1) stateless behavior modeling, where each request reprocesses full user history, wasting computation and discarding prior analysis; (2) a tag-to-item information bottleneck, where natural-language tags form a lossy channel between user understanding and item grounding; and (3) inefficient explicit reasoning, whose lengthy chain-of-thought incurs untenable latency and compute overhead. We present RecGPT-V3, a stateful, hybrid-modal recommender that reasons over natural language for open-world knowledge and Semantic IDs (SIDs) for concrete item grounding. A Memory Hub maintains structured, continually evolving user memory that distills long-horizon behavior into condensed units, cutting user-modeling computation by 55.8%. A Hybrid-modal Foundation Model allows the LLM jointly reason over text tags and SIDs, opening a high-bandwidth channel into the item space. Latent Intent Reasoning internalizes verbose rationales into compact learnable latent tokens that remain decodable into readable explanations, lowering output token cost by 200x. Deployed in Taobao's "Guess What You Like" feed, RecGPT-V3 achieves consistent gains in large-scale online A/B tests: IPV +1.28%, CTR +1.00%, TC +1.97%, GMV +3.97%, while cutting end-to-end serving resource consumption by 52.4%.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、過去の行動における共起パターンと一致するものから、それを駆動する意図を推論するものである。 RecGPT-V1はこのパラダイムをユーザ理解を中心に展開し、RecGPT-V2は協調したマルチエージェント推論によって拡張した。 しかし、RecGPTを大規模に運用することは、1) 要求が全ユーザ履歴を処理し、計算を無駄にし、事前分析を破棄するステートレスな動作モデリング、2) 自然言語タグがユーザ理解とアイテムグラウンドの間に損失のあるチャネルを形成するタグ・ツー・イテム情報ボトルネック、3) 長いチェーン・オブ・シークレットが待ちきれない遅延と計算オーバーヘッドを引き起こす非効率的な明示的推論の3つの課題を明らかにする。 RecGPT-V3は、オープンワールド知識の自然言語と具体的グラウンドリングのセマンティックID(SID)を前提とした、ステートフルでハイブリッドなモーダルレコメンデータである。 メモリハブは、長い水平動作を凝縮単位に蒸留し、55.8%のユーザモデリング計算を削減し、構造化され継続的な進化を続けるユーザーメモリを維持している。 ハイブリッド・モーダル・ファンデーション・モデル(Hybrid-modal Foundation Model)は、LLMがテキストタグとSIDを共同で推論し、アイテム空間に高帯域チャネルを開くことを可能にする。 Latent Intent Reasoningは、冗長な有理をコンパクトな学習可能な潜在トークンに内部化し、読みやすい説明に復調し、出力トークンのコストを200倍に下げる。 IPV +1.28%, CTR +1.00%, TC +1.97%, GMV +3.97%, エンドツーエンドのサービス消費を52.4%削減した。

関連論文リスト

• DREAM Technical Report [53.37525197047151]
  DREAMは、既存のパイプラインの上に認識認識、オーケストレーション、監査可能なポリシ層を追加し、それを置き換えることなく、自律的な最適化制御アーキテクチャである。 DREAMには2つのコアコンポーネントがある。まず、3層Intent Engineはデバイス上の信号を構造化されたL0/L1/L2インテント表現に融合する。エッジクラウドトリガーチェーンはレポートのボリュームを約8.7%に削減する。 第2に、Meta EngineはMetaModelを使って、層状M1-to-M2-to-M3推論(インテントの要約、ストラテジーメモリに通知されるストラテジープランニング、パラメータ変換など)を定式化したM1-to-M2-to-M3推論に使用します。
  論文  参考訳（メタデータ） (2026-08-10T10:35:32Z)
• From Clicks to Intent: Cross-Platform Session Embeddings with LLM-Distilled Taxonomy for Financial Services Recommendations [35.562512604326]
  本稿では,Web ベースインタラクションのためのスケーラブルで多目的な意図予測フレームワークを提案する。 我々の手法は、生のウェブクリックストリームを2つの出力に変換する: 自己教師型トランスフォーマーは、マルチモーダルなクリックストリームをコンパクトなセッション埋め込みに変換する。 本システムでは,LLM蒸留と組み合わせた自己教師型クリックストリーム表現が,生産における定量的タスクと質的理解の両立を図っている。
  論文  参考訳（メタデータ） (2026-06-24T18:18:56Z)
• What Matters for Grocery Product Retrieval with Open Source Vision Language Models [0.0]
  本稿では,GroceryVision Challenge の MPR タスクにおいて,190個のオープンソース VLM のゼロショット評価を行った。 生のWebスクレイプからフィルタリングデータセットへの切り替えは、最大16.6%の精度向上をもたらす。 最先端モデルは94.5%のRecall@5を達成するが、Recall@1では17.5%の低下を被り、対照的な埋め込みはクラスタカテゴリを効果的に活用するが、視覚的に類似したSKUをランク付けすることができないことが明らかになった。
  論文  参考訳（メタデータ） (2026-05-18T08:20:13Z)
• WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
  WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
  論文  参考訳（メタデータ） (2026-04-20T01:29:56Z)
• Dynamic Context Evolution for Scalable Synthetic Data Generation [0.0]
  大規模言語モデルは、多くのバッチで独立して繰り返し出力を生成する。 3つのメカニズムからなる動的コンテキスト進化(DCE)を紹介する。 DCEは、メモリ状態と回転多様性戦略を使用して、各バッチの生成プロンプトを再構築する。
  論文  参考訳（メタデータ） (2026-04-08T14:38:11Z)
• COVTrack++: Learning Open-Vocabulary Multi-Object Tracking from Continuous Videos via a Synergistic Paradigm [59.26203051651017]
  C-TAOはOpen-Vocabulary Multi-Object Tracking (OVMOT)のための最初の連続アノテーション付きトレーニングセットである フレームワークボトルネックに対するCOVTrack++は,3つのモジュールによる検出とアソシエーションの双方向相互機構を実現するための相乗的フレームワークである。 TAOの実験では、新しいTAAは検証とテストセットで35.4%、30.5%に達し、新しいAssocAは4.8%、新しいLocAは5.8%向上した。
  論文  参考訳（メタデータ） (2026-03-25T07:20:27Z)
• EST: Towards Efficient Scaling Laws in Click-Through Rate Prediction via Unified Modeling [13.693397814262681]
  近年,産業用クリックスルーレート(CTR)予測の効率化が注目されている。 そこで本研究では,すべての生入力を単一シーケンスで処理して完全に統一されたモデリングを実現する,効率よくスケーラブルな変換器 (EST) を提案する。 ESTは生産ベースラインを大幅に上回り、3.27%のRPM(Revenue Per Mile)と1.22%のCTRリフトを提供する。
  論文  参考訳（メタデータ） (2026-02-11T12:51:54Z)
• Detect Anything via Next Point Prediction [51.55967987350882]
  Rex-Omniは最先端の物体認識性能を実現する3BスケールのMLLMである。 COCOやLVISのようなベンチマークでは、Rex-Omniは回帰ベースのモデルに匹敵するパフォーマンスを得る。
  論文  参考訳（メタデータ） (2025-10-14T17:59:54Z)
• SessionIntentBench: A Multi-task Inter-session Intention-shift Modeling Benchmark for E-commerce Customer Behavior Understanding [64.45047674586671]
  本稿では,意図木の概念を導入し,データセットキュレーションパイプラインを提案する。 我々は,L(V)LMsのセッション間意図シフト理解能力を評価するマルチモーダルベンチマークSessionIntentBenchを構築した。 1,952,177の意図的エントリ,1,132,145のセッション意図軌跡,および10,905のセッションを使用してマイニングされた13,003,664のタスクにより,既存のセッションデータを活用可能なスケーラブルな方法を提供する。
  論文  参考訳（メタデータ） (2025-07-27T09:04:17Z)
• Act-With-Think: Chunk Auto-Regressive Modeling for Generative Recommendation [49.45822979879046]
  ジェネレーティブレコメンデーション(GR)は通常、アイテム情報の振る舞いや意味的な側面を離散トークンにエンコードする。 本稿では,Chunk AutoRegressive Modeling(CAR)について紹介する。
  論文  参考訳（メタデータ） (2025-06-30T09:13:54Z)
• Erasing Without Remembering: Implicit Knowledge Forgetting in Large Language Models [81.62767292169225]
  我々は,その一般化に着目して,大規模言語モデルにおける知識の忘れについて検討する。 確率摂動に基づく新しいアンラーニングパラダイムであるPerMUを提案する。 TOFU、Harry Potter、ZsRE、WMDP、MUSEなど、さまざまなデータセットで実験が行われている。
  論文  参考訳（メタデータ） (2025-02-27T11:03:33Z)
• TextGNN: Improving Text Encoder via Graph Neural Network in Sponsored Search [11.203006652211075]
  本稿では,ユーザの履歴行動から補完するグラフ情報を用いて,強いツインタワー構造エンコーダを自然に拡張するtextgnnモデルを提案する。 オフライン実験では、ロングテール低周波広告の精度が1%向上し、ROC-AUC全体の0.14%の増加を達成する。 オンラインa/bテストでは、1ミルあたりの収益が2.03%増加し、広告欠陥率は2.32%減少した。
  論文  参考訳（メタデータ） (2021-01-15T23:12:47Z)

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。