論文の概要: ClawRec: A Claw-Native Recommender System

• arxiv url: http://arxiv.org/abs/2607.23779v1
• Date: Sun, 26 Jul 2026 17:56:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.224985
• Title: ClawRec: A Claw-Native Recommender System
• Title（参考訳）: ClawRec: Claw-Native Recommenderシステム
• Abstract要約: 我々はClaw-nativeレコメンデータシステムを導入し、プラットフォームローカルのランキングを超えて、多様なソースやコンテンツ形式にまたがる統一的で補完的なレコメンデーションスレートを生成する。 ClawRecは、クロスプラットフォームの振る舞いとクロスソースレコメンデーションを接続するエビデンスリンクされた、時間的に構造化されたユーザ状態を維持している。 ClawRec は NDCG@20 の 0.6134 (+0.1126) と Hit@20 の 0.6944 (+0.0854) を達成している。
• 参考スコア（独自算出の注目度）: 70.37279331430653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommender systems have become integral to navigating the modern digital ecosystem. Yet most deployed systems remain confined within single-platform boundaries, observing localized interaction traces and ranking items from isolated candidate spaces. This design is poorly suited to real-world tasks that unfold through searches, content consumption, and comparisons across multiple information sources. Claw-style personal agents, with persistent access to authorized cross-platform context, create an opportunity for recommendation to operate around the user rather than any single platform. In this paper, we introduce Claw-native recommender systems, a new paradigm that moves beyond platform-local ranking to produce unified, complementary recommendation slates spanning diverse sources and content forms. To instantiate this paradigm, we present ClawRec, the first recommender system designed to operate natively in this environment. ClawRec maintains an evidence-linked, temporally structured user state that connects cross-platform behaviors with cross-source recommendations. It organizes retrieval around functional source roles and selects candidates according to their marginal utility, producing non-redundant slates aligned with the user's active task. To enable rigorous evaluation, we introduce ClawRec-SimBench, a benchmark constructed from sequences of concrete life events and cross-platform behavior trajectories. Experiments show that ClawRec outperforms the strongest baselines, achieving an NDCG@20 of 0.6134 (+0.1126) and a Hit@20 of 0.6944 (+0.0854), while also improving user state quality and temporal alignment. Our code and dataset are available at https://github.com/RUCAIBox/ClawRec.
• Abstract（参考訳）: レコメンダシステムは、現代のデジタルエコシステムをナビゲートするのに不可欠なものになっている。 しかし、ほとんどのデプロイシステムは、単一プラットフォームの境界内に留まり、局所化された相互作用トレースと、孤立した候補空間からのランキング項目を観察している。 このデザインは、検索、コンテンツ消費、複数の情報ソース間の比較を通じて展開される現実世界のタスクには適していない。 クロースタイルのパーソナルエージェントは、認可されたクロスプラットフォームのコンテキストに永続的にアクセスでき、単一のプラットフォームではなく、ユーザの周囲で操作するためのレコメンデーションの機会を生み出す。 本稿では,多様なソースやコンテンツ形式にまたがる統一的,補完的なレコメンデーションスレートを生成するために,プラットフォームローカルなランキングを超えて,新たなパラダイムであるClaw-nativeレコメンデータシステムを紹介する。 このパラダイムをインスタンス化するために、この環境でネイティブに動作するように設計された最初のレコメンデータシステムであるClawRecを紹介します。 ClawRecは、クロスプラットフォームの振る舞いとクロスソースレコメンデーションを接続するエビデンスリンクされた、時間的に構造化されたユーザ状態を維持している。 機能的ソースロールに関する検索を組織し、その限界ユーティリティに従って候補を選択し、ユーザのアクティブなタスクに合わせて非冗長なスレートを生成する。 厳密な評価を可能にするために,具体的なライフイベントのシーケンスとクロスプラットフォームな行動軌跡から構築したベンチマークであるClawRec-SimBenchを紹介する。 ClawRec は NDCG@20 の 0.6134 (+0.1126) と Hit@20 の 0.6944 (+0.0854) を達成し、ユーザ状態の品質と時間的アライメントを改善した。 私たちのコードとデータセットはhttps://github.com/RUCAIBox/ClawRec.orgで公開されています。

関連論文リスト

• RECAP: Feedback-Driven Streaming Semantic User Profiles for Short-Video Recommendation [74.86562505934961]
  言語ベースのユーザプロファイルは、長い行動履歴をレコメンデーションのために明示的な意味表現に変換する。 そこでは,ストリームやプロファイルの更新を限定的に行うことで,ユーザの行動が継続的に到着する,実世界のショートビデオレコメンデーションにおいて,この問題について検討する。 本稿では,ストリーミング構造化されたセマンティックプロファイルを過去のレコメンデーションフィードバックで最適化するためのオフラインクローズドループフレームワークRECAPを提案する。
  論文  参考訳（メタデータ） (2026-07-17T08:10:37Z)
• An Embarrassingly Simple Graph Heuristic Reveals Shortcut-Solvable Benchmarks for Sequential Recommendation [50.09718257952108]
  Sequentialsolvは、シーケンシャルなパターンとセマンティックなアイテム情報を組み合わせたジェネレーティブなレコメンデーターへと移行している。 これらの手法は、しばしば、広く使われている少数のベンチマークで評価され、重要な疑問を提起する: これらのベンチマークは、現代のジェネレーティブレコメンデーターが提供しようとしている高度なモデリング機能を必要としているか? 我々は、意図的な単純なグラフでベンチマーク監査を行い、最後の1つか2つの項目から、数ホップの項目遷移グラフから候補を検索し、項目間類似度でランク付けする。
  論文  参考訳（メタデータ） (2026-05-08T02:00:11Z)
• ClawGym: A Scalable Framework for Building Effective Claw Agents [47.47444724291439]
  ClawGymは、Clawスタイルのパーソナルエージェント開発の全ライフサイクルをサポートするスケーラブルなフレームワークである。 ClawGym-SynDataは、ペルソナ駆動のインテントとスキル接地操作から合成された13.5Kのフィルタリングタスクのデータセットである。 次に、ブラックボックスのロールアウト軌跡の教師付き微調整を通じて、ClawGym-Agentsと呼ばれる有能なClawスタイルのモデルのファミリーを訓練する。 さらに、自動フィルタリングとヒューマンLLMレビューを通じて200インスタンスのベンチマークであるClawGym-Benchを構築します。
  論文  参考訳（メタデータ） (2026-04-29T17:12:22Z)
• BiCoRec: Bias-Mitigated Context-Aware Sequential Recommendation Model [1.0546092991752698]
  本研究では,人気アイテムやニッチアイテムの嗜好の変化に適応的に対応できる新しいフレームワークであるBiCoRecを開発した。 BiCoRecのNDCG@10スコアは、映画、ファッション、ゲーム、音楽のデータセットの0.0102、0.0047、0.0021、0.0005である。
  論文  参考訳（メタデータ） (2025-12-15T19:34:23Z)
• From Clicks to Preference: A Multi-stage Alignment Framework for Generative Query Suggestion in Conversational System [11.373145953200137]
  生成ポリシーとユーザ意図のプログレッシブアライメントを目的とした多段階フレームワークを提案する。 我々の枠組みは, 自動評価と人的評価の両方において, ベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2025-08-15T10:17:01Z)
• AgentRecBench: Benchmarking LLM Agent-based Personalized Recommender Systems [17.329692234349768]
  エージェントレコメンデータシステムはLarge Language Models (LLM)を利用している LLMの高度な推論とロールプレイング能力は、自律的で適応的な意思決定を可能にする。 この分野では、これらの手法を評価するための標準化された評価プロトコルが欠けている。
  論文  参考訳（メタデータ） (2025-05-26T07:45:11Z)
• OneRec: Unifying Retrieve and Rank with Generative Recommender and Iterative Preference Alignment [9.99840965933561]
  ケースドラーニングフレームワークを統一的な生成モデルで置き換えるOneRecを提案する。 1) ユーザの履歴行動シーケンスをエンコードし、ユーザが興味を持っているかもしれない動画を徐々にデコードするエンコーダ・デコーダ構造。
  論文  参考訳（メタデータ） (2025-02-26T09:25:10Z)
• CRACT: Cascaded Regression-Align-Classification for Robust Visual Tracking [97.84109669027225]
  改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。 CRACは多くのベンチマークで最先端のパフォーマンスを得る。 OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
  論文  参考訳（メタデータ） (2020-11-25T02:18:33Z)
• 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。