Fugu-MT 論文翻訳(概要): ASARL: Autonomous Social-Aware Relevance Learning for QQ Search

論文の概要: ASARL: Autonomous Social-Aware Relevance Learning for QQ Search

arxiv url: http://arxiv.org/abs/2607.26593v1
Date: Wed, 29 Jul 2026 08:14:00 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-30 21:06:25.578979
Title: ASARL: Autonomous Social-Aware Relevance Learning for QQ Search
Title（参考訳）: ASARL:QQ検索のための自律型ソーシャルアウェア関連学習
Authors: Tao Su, Jinjing Hu, Xiao Wang, Xingzhong Cao, Hui Wang,
Abstract要約: マルチエージェントデータキュレーションとステージドモデルトレーニングを統合した,完全に自動化されたフレームワークを提案する。オフライン関連指標とオンラインユーザエンゲージメント指標の両方において,大幅な改善が見られた。これらの結果は, 自律的, 社会的基盤を持つデータガバナンスと, 実践的な検索システムにおける嗜好に整合したトレーニングを組み合わせることの有効性を検証した。
参考スコア（独自算出の注目度）: 10.185075952030294
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The rapid growth of online social platforms has transformed communication and information retrieval, giving rise to social search, where queries-titles are typically expressed in informal, community-specific language. While large language models provide strong general-purpose semantic understanding, their effectiveness in social search is constrained by contextual discrepancy, data scarcity, and behavior-driven dynamics. To address these challenges, we propose the Autonomous Social-Aware Relevance Learning (ASARL), a fully automated framework that integrates multi-agent data curation with staged model training. ASARL leverages a collaborative agent system: ReasonAgent generates interpretable relevance labels grounded in social attributes, CriticAgent validates and ensures logical consistency, and GenAgent augments long-tail data through synthetic query-title pairs. Building on the curated dataset, ASARL employs three-stage training: Social Context Training (SCT) to capture social language patterns, Preference-Guided Optimization (PGO) to align model predictions with behavioral signals, and Social Distillation (SD) to transfer these improvements into compact models for efficient deployment. Extensive offline and online experiments on the QQ search platform demonstrate significant improvements in both offline relevance metrics and online user engagement indicators, along with enhanced annotation efficiency. These results validate the effectiveness of combining autonomous, socially grounded data governance with preference-aligned training in practical search systems.
Abstract（参考訳）: オンラインソーシャルプラットフォームが急速に成長し、コミュニケーションと情報検索が変化し、ソーシャル検索が生まれ、クェリのタイトルは通常、非公式なコミュニティ固有の言語で表現される。大きな言語モデルは、強力な汎用意味理解を提供するが、ソーシャル検索の有効性は、文脈の相違、データの不足、行動駆動力学によって制約される。これらの課題に対処するため、我々は、マルチエージェントデータキュレーションとステージドモデルトレーニングを統合する完全に自動化されたフレームワークであるAutonomous Social-Aware Relevance Learning (ASARL)を提案する。 ReasonAgentは社会的属性に根ざした解釈可能な関連ラベルを生成し、CriticAgentは論理的一貫性を検証し保証し、GenAgentは合成クエリータイトルペアを通じてロングテールデータを増強する。ソーシャルコンテキストトレーニング(SCT) ソーシャル言語パターンのキャプチャ、モデル予測と行動信号の整合化のためのPreference-Guided Optimization(PGO)、これらの改善を効率的なデプロイメントのためにコンパクトモデルに移行するためのSocial Distillation(SD)である。 QQ検索プラットフォーム上での大規模なオフラインおよびオンライン実験は、アノテーション効率の向上とともに、オフライン関連メトリクスとオンラインユーザエンゲージメントインジケータの両方で大幅に改善されている。これらの結果は, 自律的, 社会的基盤を持つデータガバナンスと, 実践的な検索システムにおける嗜好に整合したトレーニングを組み合わせることの有効性を検証した。

関連論文リスト

FedRio: Personalized Federated Social Bot Detection via Cooperative Reinforced Contrastive Adversarial Distillation [52.56850762009136]
ソーシャルボットの検出は、オンラインソーシャルプラットフォームの安定性とセキュリティに不可欠である。現在の最先端のボット検出モデルは、主に独立して開発されている。クロスプラットフォームおよびクロスモデル検出フレームワークとしてFedRioを提案する。
論文参考訳（メタデータ） (2026-04-12T15:13:41Z)
Using Large Language Models to Detect Socially Shared Regulation of Collaborative Learning [15.567266973412815]
予測モデルを拡張し、埋め込み型アプローチを用いて、社会的に共有された学習行動の制御を自動的に検出する。我々は,大規模言語モデル(LLM)を要約ツールとして活用し,システムログに整合した学生対話のタスク認識表現を生成する。その結果, テキストのみの埋め込みは, 実行やグループダイナミクスに関連するSSRLの挙動の検出において, より強力な性能が得られることがわかった。
論文参考訳（メタデータ） (2026-01-08T00:30:46Z)
Linking Heterogeneous Data with Coordinated Agent Flows for Social Media Analysis [24.70488591952602]
ソーシャルメディアプラットフォームは大量の異種データを生成する。異種マルチモーダルデータをリンクするエージェントシステムであるSIA(Social Insight Agents)を提案する。 SIAはソーシャルメディアから多様で有意義な洞察を効果的に発見できることを示す。
論文参考訳（メタデータ） (2025-10-30T06:22:49Z)
ReGUIDE: Data Efficient GUI Grounding via Spatial Reasoning and Search [53.40810298627443]
ReGUIDEは、MLLMが自己生成的推論と空間認識的批判を通じてデータを効率的に学習することを可能にするWebグラウンドのためのフレームワークである。実験により、ReGUIDEは複数のベンチマークでWebグラウンド性能を大幅に向上することが示された。
論文参考訳（メタデータ） (2025-05-21T08:36:18Z)
Sentiment analysis of texts from social networks based on machine learning methods for monitoring public sentiment [0.0]
本研究では,リアルタイムソーシャルネットワークの世論モニタリングを改善するために,機械学習を利用した感情分析システムを開発した。このシステムは、現実世界のシナリオでトランスフォーマーモデルを使用して最大80-85%の精度を達成した。システムの性能は素晴らしいが、計算オーバーヘッド、データ品質、ドメイン固有の用語に関する問題がまだ残っている。
論文参考訳（メタデータ） (2025-02-24T13:34:35Z)
QLASS: Boosting Language Agent Inference via Q-Guided Stepwise Search [89.97082652805904]
提案するQLASS(Q-guided Language Agent Stepwise Search)は,Q-valueを推定してアノテーションを自動的に生成する。ステップワイズガイダンスにより、言語エージェントが長期的価値に適応できるようにQ誘導型生成戦略を提案する。我々はQLASSが質的分析によってより効果的な意思決定につながることを実証的に実証した。
論文参考訳（メタデータ） (2025-02-04T18:58:31Z)
Learn-by-interact: A Data-Centric Framework for Self-Adaptive Agents in Realistic Environments [33.83610929282721]
Learn-by-interactは、大規模な言語モデル(LLM)を人間のアノテーションなしで任意の環境に適用するための、データ中心のフレームワークである。我々は、トレーニングベースのシナリオとトレーニング不要なインコンテキスト学習(ICL)の両方でそれらを用いて、合成データの質を評価する。 SWE-bench、WebArena、OSWorld、Spider2-Vが現実的なコーディング、Web、デスクトップ環境にまたがる実験は、Learning-by-interactの有効性を示している。
論文参考訳（メタデータ） (2025-01-18T22:34:41Z)
DialogAgent: An Auto-engagement Agent for Code Question Answering Data Production [5.030384831047144]
本稿では、実際の開発者インタラクションを忠実に模倣する合成トレーニングデータを生成する自動化ツールであるDialogAgentを紹介する。このツールは手動データ生成への依存を著しく低減し、従来の方法に比べて効率を4.8倍に向上させる。
論文参考訳（メタデータ） (2024-12-11T03:31:36Z)
Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文参考訳（メタデータ） (2024-01-22T18:58:22Z)
Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
論文参考訳（メタデータ） (2023-05-26T14:17:36Z)

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。