論文の概要: Melo: A Production LLM-Powered Music Recommendation Agent
- arxiv url: http://arxiv.org/abs/2607.23718v1
- Date: Sun, 26 Jul 2026 15:30:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.209591
- Title: Melo: A Production LLM-Powered Music Recommendation Agent
- Title（参考訳）: Melo: LLMを使った音楽レコメンデーションエージェント
- Abstract要約: 本稿では,NetEase Cloud Music上にデプロイされたLPMによる楽曲推薦エージェントについて述べる。
Meloは、不均一ツール上の決定論的5ノード状態グラフとして構成されている。
NetEase Cloud Musicのプレイリストサーフェスで1ヶ月のオンラインA/Bテストが行われた。
- 参考スコア（独自算出の注目度）: 17.94470976600018
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We describe Melo, an LLM-powered music recommendation agent deployed on NetEase Cloud Music. Melo is structured as a deterministic five-node state graph over heterogeneous tools, with a prompt- and state-machine-driven orchestration policy rather than a fine-tuned controller. At industrial scale, the bottleneck is not how smart the brain is but how the system detects and recovers from the mistakes that brain makes. Two production failure modes drove the design: entity hallucination, where the agent commits to interpretations unsupported by the live catalog or user-behavior index, and long-tail degradation, where over-constrained requests collapse to generic popular fallbacks. We address them with two complementary mechanisms. Inference-time entity grounding repurposes the production search index as a verification primitive that gates entity decisions before they propagate downstream. Reflective retry verbalizes failure reasons from a broken tool chain and feeds them into the next planning step, so the system can relax or revise constraints rather than fall back blindly. A one-month online A/B test across NetEase Cloud Music's playlist surfaces reports an over 2 pp lift in a primary playlist retention metric and a lift of over one minute in a core playlist engagement metric. Offline ablation isolates a 7.8 pp reduction in entity misidentification from the three-layer grounding stack on our evaluation set, and a triggered-session analysis on our evaluation set shows reflective retry firing on 5.8% of sessions with 59% process-level recovery. Our deployment experience suggests that progress on LLM-powered music recommendation at this scale depends as much on the named, ablatable runtime machinery that catches and corrects the brain's mistakes as on the brain itself: a hypothesis we offer for the community to test.
- Abstract（参考訳）: 我々は,NetEase Cloud Music上にデプロイされたLCMベースの音楽推薦エージェントであるMeloについて述べる。
Meloは、細調整されたコントローラではなく、プロンプトおよびステートマシン駆動のオーケストレーションポリシを備えた、異種ツール上の決定論的5ノード状態グラフとして構成されている。
産業規模では、ボトルネックは脳のスマートさではなく、システムが脳のミスを検出して回復する方法だ。
エージェントがライブカタログやユーザビヘイビアインデックスによってサポートされていない解釈にコミットするエンティティ幻覚と、過剰に制約された要求が一般的な一般的な一般的なフォールバックに崩壊するロングテール劣化という2つのプロダクション障害モードが設計を推進した。
それらを2つの相補的なメカニズムで解決する。
推論時のエンティティグラウンドは、下流に伝播する前にエンティティの決定をゲートする検証プリミティブとしてプロダクション検索インデックスを再利用する。
リフレクティブリトライは、壊れたツールチェーンから失敗の理由を言語化して、それらを次の計画ステップに投入する。
NetEase Cloud Musicのプレイリストサーフェスにおける1ヶ月のオンラインA/Bテストでは、一次プレイリスト保持メトリックでは2pp以上のリフト、コアプレイリストエンゲージメントメトリックでは1分以上のリフトが報告されている。
オフラインアブレーションは, 評価セット上の3層接地スタックから7.8ppのエンティティ誤認を除去し, 59%のプロセスレベルのリカバリを伴う5.8%のセッションにおいて, 再試行を再現する。
我々の展開経験から、このスケールでのLSMによる音楽推奨の進歩は、脳自体と同様に脳のミスをキャッチし修正する名前の付いた、非難可能な実行時機械に依存することが示唆されている。
関連論文リスト
- Off-Policy Evaluation for Semantic ID Recommenders: Does the Model's Own Code Hierarchy Help? [1.438318734827691]
遺伝子レコメンデーターは、セマンティックID(SID)をますます発行する
モデル自身のSIDツリーは、そのOPEのアクション抽象化として機能するのか?
条件バイアス境界は、粗いバイアスとノブ量子化器の最悪のケース再構成残差を結びつける。
論文 参考訳（メタデータ） (2026-08-28T22:11:22Z) - The Laws of Context Allocation: Causal Measurement and Closed-Loop Orchestration in Generative Search [19.846305722187328]
Retrieval-Augmented Generation (RAG)は、多様なポートフォリオ生成にシフトする。
これは2つの重要なボトルネック、すなわち証拠利用率の欠陥測定と、最適条件下予算配分によって悪影響を受けている。
本稿では,遺伝子依存を正確に分離する因果排除プローブを提案する。
モノリシック・コンテキスト・ワイドニング(モノリシック・コンテキスト・ワイドニング)の一般的な戦略は、関連性の崩壊によって罰せられるアーキテクチャ・トラップであることを示す。
論文 参考訳（メタデータ） (2026-08-24T13:44:11Z) - Agentic Security: A Systematization of Tools, Failure Modes, and Design Laws for LLM-Driven Penetration Testing [0.21990652930491858]
エージェントセキュリティは、大規模言語モデル(LLM)エージェントを使用してセキュリティツールを計画、ディスパッチ、解釈する。
これらの障害を、広く使用されている10の静的、動的、クラウド、オーケストレーション、AI赤チームツールのハンズオン評価を通じて、体系化しています。
論文 参考訳（メタデータ） (2026-08-16T07:18:04Z) - OpenCodeReview: Determinism over Non-Determinism for Cost-Effective Agent-Based Code Review [14.707064801983172]
我々は不確実なエージェントに対する決定論的エンジニアリングに基づいて構築されたOpenCodeReviewを紹介する。
AACR-Bench(200の現実世界のPR、10の言語、1,505のエキスパート認定されたコメント)では、OpenCodeReviewが主要なコーディングエージェントを上回っている。
論文 参考訳（メタデータ） (2026-08-10T08:43:16Z) - Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - Memory Depth, Not Memory Access: Selective Parametric Consolidation for Long-Running Language Agents [0.0]
メモリ深度:小さなパラメトリックストアに書き込まれた耐久性のあるゴール条件付き傾向について検討する。
我々は,作業環境がアンロードされている間,検索インデックスが無傷である制御ストレステストであるループドリフトプロトコルを導入する。
選択的凝縮は2つの制御可能な次元(選択とアクティベーション)に分解される。
論文 参考訳（メタデータ） (2026-06-25T09:42:56Z) - Constraint Tax in Open-Weight LLMs: An Empirical Study of Tool Calling Suppression Under Structured Output Constraints [37.92327096151557]
本稿では,生産エージェントシステムで観測された再現可能な現象について報告する。
複数のオープンウェイトモデルでは、高いスキーマ準拠を維持しながら、ツールの起動を中止している。
本稿では,スキーマ制約された応答生成からツールの実行を分離する推論時間戦略であるTransparent Two-Executionを提案する。
論文 参考訳（メタデータ） (2026-06-24T09:14:18Z) - MEME: Multi-entity & Evolving Memory Evaluation [76.57263966646404]
MEMEは、マルチエンタリティと進化する軸によって定義される全空間にまたがる6つのタスクを定義している。
3つの記憶パラダイムにまたがる6つの記憶システムの評価。
デフォルト設定の下では、すべてのシステムが依存性の推論で崩壊しているのが分かります。
論文 参考訳（メタデータ） (2026-05-12T17:55:10Z) - Scaling Test-Time Compute for Agentic Coding [126.72747643609274]
本稿では,ロールアウト軌跡のコンパクトな表現に基づくエージェントコーディングのためのテスト時間スケーリングフレームワークを提案する。
当社のフレームワークは,各ロールアウトを,その健全な仮説,進捗,障害モードを保存する構造的な要約に変換する。
提案手法は,SWE-Bench Verified および Terminal-Bench v2.0 におけるフロンティア符号化エージェントの性能を一貫して改善する。
論文 参考訳（メタデータ） (2026-04-16T17:39:33Z) - From Early Encoding to Late Suppression: Interpreting LLMs on Character Counting Tasks [49.57538588967748]
LLM(Large Language Model)は、複雑なベンチマークでは優れているにもかかわらず、単語中の文字数などの基本的な記号的タスクにおいて失敗を示す。
我々は、LLaMA、Qwen、Gemmaなど、現代のアーキテクチャにまたがる一貫した現象を発見した。
LLMにおけるシンボリック推論失敗は,表現不足やスケール不足によるものではなく,モデル計算グラフ内の構造的干渉によるものであることを示す。
論文 参考訳（メタデータ） (2026-04-01T11:40:12Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - AgentDropoutV2: Optimizing Information Flow in Multi-Agent Systems via Test-Time Rectify-or-Reject Pruning [34.06688334066569]
AgentDropoutV2は、再トレーニングせずにMAS情報フローを動的に最適化するために設計されたテスト時間修正またはリジェクトプルーニングフレームワークである。
提案手法は, アクティブファイアウォールとして機能し, エージェントの出力を遮断し, 反復的に誤りを訂正する検索拡張を利用する。
広範なベンチマークによる実験結果から、AgentDropoutV2はMASのタスク性能を大幅に向上させることが示された。
論文 参考訳（メタデータ） (2026-02-26T17:31:43Z) - DoVer: Intervention-Driven Auto Debugging for LLM Multi-Agent Systems [48.971606069204825]
DoVerは、大規模言語モデル(LLM)ベースのマルチエージェントシステムのための介入駆動デバッグフレームワークである。
ターゲットの介入を通じて、アクティブな検証によって仮説生成を増強する。
DoVerは失敗試験の18～28%を成功させ、最大16%のマイルストーンを達成し、失敗仮説の30～60%を検証または否定する。
論文 参考訳（メタデータ） (2025-12-07T09:23:48Z) - Instruction-Level Weight Shaping: A Framework for Self-Improving AI Agents [0.0]
大規模言語モデル (LLMs) は流動的であるが、ほとんどは事前訓練後に静的である。
新しい知識やシフトする知識は、通常、検索強化世代(RAG)や微調整と共に追加される。
ILWS(Instruction-Level Weight Shaping)を提案する。
キュレートされたシステム命令は、各セッション後に更新された外部の監査可能な擬似パラメータとして機能する。
論文 参考訳（メタデータ） (2025-08-29T21:34:39Z)
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。