論文の概要: A Position Paper on Recommender Systems in the Era of Autonomous Agents

• arxiv url: http://arxiv.org/abs/2607.24822v1
• Date: Sat, 18 Jul 2026 01:18:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.081744
• Title: A Position Paper on Recommender Systems in the Era of Autonomous Agents
• Title（参考訳）: 自律型エージェント時代におけるレコメンダシステムの位置づけ
• Abstract要約: 本稿では,従来の人間中心型RecSys研究の知見を概観し,このハイブリッド環境への移行について概説する。 我々はエージェントを、プラットフォーム構築コンポーネントではなく、レコメンデータシステムのエンドユーザとして機能する、独立したユーザ整合型アシスタントとして扱う。 このシフトはRecSysの研究に新たな機会をもたらし、評価、アライメント、システム設計に固有の課題を導入します。
• 参考スコア（独自算出の注目度）: 32.44458308850838
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For decades, recommender systems have been optimized to serve human users. However, the rapid deployment of autonomous agents introduces a paradigm shift: recommendation consumers are predicted to be increasingly a mixture of humans and authorized agents acting on their behalf. This position paper reviews insights from prior human-centric RecSys research and outlines the transition to this hybrid environment. In our discussion, we treat agents as independent, user-aligned assistants that act as end-users of recommender systems, rather than platform-built components. We characterize the resulting tripartite interactions among humans, agents, and platforms, highlighting the dynamics that can arise across these relationships. This shift presents new opportunities for RecSys research, while introducing unique challenges for evaluation, alignment, and system design.
• Abstract（参考訳）: 何十年にもわたって、リコメンデーターシステムは人間のユーザー向けに最適化されてきた。 しかし、自律的なエージェントの迅速な展開はパラダイムシフトをもたらし、消費者はますます人間と承認されたエージェントの混在が予想される。 本稿では,従来の人間中心型RecSys研究の知見を概観し,このハイブリッド環境への移行について概説する。 本論では,エージェントをプラットフォーム構築コンポーネントではなく,レコメンデータシステムのエンドユーザとして機能する,独立したユーザ整合型アシスタントとして扱う。 我々は、人間、エージェント、プラットフォーム間のトリパーティイト相互作用を特徴付け、これらの関係にまたがって起こりうるダイナミクスを強調します。 このシフトはRecSysの研究に新たな機会をもたらし、評価、アライメント、システム設計に固有の課題を導入します。

関連論文リスト

• ODYSSE: Episode-wise Policy Optimization for Personalized Agentic Reasoning [48.692251671993574]
  エージェント推論をパーソナライズするフレームワークODYSSEを提案する。 ODYSSEは、パーソナライズされたエージェント推論において、長いアクション水平線と強力なクロスステップ依存に対処する。 ODYSSEは、専門的・汎用的なLVLMよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-07-28T07:25:04Z)
• Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems [64.88044474617854]
  大規模言語モデルベースのエージェントをリコメンダシステムに迅速に統合することで、静的なランキングベースのパイプラインから、自律的でインタラクティブなシステムへのシフトが加速した。 この調査では、自律性のレベルとエージェントレコメンデータシステムの3つのコアパラダイムを基盤とした統合された分類法を紹介した。
  論文  参考訳（メタデータ） (2026-07-05T17:55:05Z)
• Deep Research for Recommender Systems [74.44288812684448]
  本稿では,従来の項目リストを包括的,ユーザ中心のレポートに置き換える,推薦のための新しいディープリサーチパラダイムを提案する。 我々はこのパラダイムをRecPilotという,項目空間を自律的に探索するユーザトラジェクトリシミュレーションエージェントと,ユーザ決定を支援するための一貫性のある解釈可能なレポートに合成する自己進化レポート生成エージェントという,2つのコアコンポーネントからなるマルチエージェントフレームワークを通じてインスタンス化する。
  論文  参考訳（メタデータ） (2026-03-08T12:33:04Z)
• STARec: An Efficient Agent Framework for Recommender Systems via Autonomous Deliberate Reasoning [54.28691219536054]
  我々は、自律的な熟考的推論機能を備えたレコメンデータシステムを支援する、ゆっくり考えられた拡張エージェントフレームワークSTARecを紹介する。 我々は,先進的推論モデルと嗜好整合型報酬形成から構造化知識の蒸留を組み合わせた2段階のパラダイムであるアンカー強化訓練を開発する。 MovieLens 1MとAmazon CDsベンチマークの実験では、STARecは最先端のベースラインと比較して、大幅なパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2025-08-26T08:47:58Z)
• Dynamic Evaluation Framework for Personalized and Trustworthy Agents: A Multi-Session Approach to Preference Adaptability [10.443994990138973]
  我々は、パーソナライズされた適応的なエージェントを評価するパラダイムシフトについて論じる。 本稿では,ユニークな属性と好みを持つユーザペルソナをモデル化する包括的新しいフレームワークを提案する。 私たちのフレキシブルなフレームワークは、さまざまなエージェントやアプリケーションをサポートし、レコメンデーション戦略の包括的で汎用的な評価を保証するように設計されています。
  論文  参考訳（メタデータ） (2025-03-08T22:50:26Z)
• Agentic Feedback Loop Modeling Improves Recommendation and User Simulation [55.857164472712455]
  本稿では,リコメンデーションエージェントとユーザエージェントの協調を支援するために,フィードバックループプロセスを強調する新しいフレームワークを提案する。 この反復的なプロセスは、両方のエージェントがユーザの振る舞いを推測する能力を高め、より効果的なアイテムレコメンデーションとより正確なユーザーシミュレーションを可能にします。
  論文  参考訳（メタデータ） (2024-10-26T00:51:39Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)
• RAH! RecSys-Assistant-Human: A Human-Centered Recommendation Framework with LLM Agents [30.250555783628762]
  この研究は、これらの問題に対処することは単にレコメンダシステムの責任ではないと主張している。 本稿では,RAH Recommenderシステム,Assistant,Humanフレームワークを紹介する。 私たちのコントリビューションは、さまざまなレコメンデーションモデルと効果的に連携する、人間中心のレコメンデーションフレームワークを提供します。
  論文  参考訳（メタデータ） (2023-08-19T04:46:01Z)

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。