論文の概要: The Price of Isolation: Estimating the Ecosystem Cost of Symmetric Two-Sided A/B Testing

• arxiv url: http://arxiv.org/abs/2608.04432v1
• Date: Wed, 05 Aug 2026 04:22:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.721292
• Title: The Price of Isolation: Estimating the Ecosystem Cost of Symmetric Two-Sided A/B Testing
• Title（参考訳）: 分離の価格:対称二相A/Bテストの生態系コストを推定する
• Authors: Yuanyuan Shen, Yiren Yan, Wenjie Li, Chunhui Zhu,
• Abstract要約: 対称二面分離はクリエーター側およびコールドスタート実験に広く用いられている。 孤立は、各視聴者の候補カタログを薄くし、プラットフォームが成長するにつれて、結果として生じるエンゲージメントコストが低下することを直感的に示唆する。 順序統計モデルでは、この直観が一致品質の上限に依存するか否かが示される。
• 参考スコア（独自算出の注目度）: 8.026599954667267
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: On two-sided content platforms, symmetric two-sided isolation (assigning matched fractions of creators and viewers to isolated treatment and control submarkets) is widely used for creator-side and cold-start experiments because it removes cross-arm marketplace interference. Isolation, however, thins each viewer's candidate catalog, and intuition suggests the resulting engagement cost should fade as the platform grows: a small fraction of a vast catalog is still vast. We show that, in an order-statistics model of engagement, whether this intuition holds depends on the upper tail of match quality. Extreme-value theory yields tail-class loss laws with a sharp dichotomy: for light or bounded tails the loss vanishes as the candidate pool grows, whereas under heavy tails it converges to a size-independent constant, so expanding the candidate pool, even by orders of magnitude, does not asymptotically eliminate the cost. Evidence from two production experiments on a platform with millions of active creators is consistent with this picture: a pure A/A traffic sweep reveals a measurable, depth-graded engagement cost; a one-sided catalog ablation independently shows that per-viewer thinning contributes to the loss; and a tail index calibrated on the small exploration pool predicts an effect consistent with the one observed in the far larger full-catalog ablation. Isolation thus carries a price that experimenters should budget for, like any other cost. We give practitioners a preflight procedure that estimates it before launch, sizes traffic accordingly, and recommends a fallback design when the predicted cost exceeds a chosen tolerance.
• Abstract（参考訳）: 両面のコンテンツプラットフォームでは、対称的な二面分離(クリエーターとビューアのマッチした分数)が、クロスアーム市場の干渉を取り除くため、クリエーターサイドとコールドスタートの実験に広く利用されている。 しかし、各ビューアの候補カタログは分離され、プラットフォームが成長するにつれて、結果として生じるエンゲージメントコストは減少する、と直感は示唆している。 順序統計モデルでは、この直観が一致品質の上限に依存するか否かが示される。 極値理論(Extreme-value theory)は、鋭い二分法で尾級損失法則(tail-class loss law)を導出する: 光または有界な尾は、候補プールが成長するにつれて損失は消滅するが、重い尾の下では、サイズに依存しない定数に収束するので、大小の順序でも、候補プールを拡張することは漸近的にコストを削減しない。 純粋なA/Aトラフィックスイープは測定可能な深度グレードのエンゲージメントコストを示し、一方のカタログアブレーションは、ビューア毎のスライニングが損失に寄与することを示し、小さな探索プールで調整されたテールインデックスは、はるかに大きなフルカタログアブレーションで観測されたものと一致した効果を予測する。 従って分離には、他のコストと同じように、実験者が予算を支払うべき価格が伴う。 我々は,プレフライトの手順を実践者に提供し,打ち上げ前にそれを推定し,それに応じてトラフィックをサイズし,予測コストが選択された寛容を超える場合のフォールバック設計を推奨する。

関連論文リスト

• Cost-Aware Recovery-Pathway Identification and Bayesian Optimization for Autonomous Materials Discovery [0.0]
  離散経路同定段階と連続経路内最適化段階とで逐次決定問題を定式化する。 当社の実装であるコアクティブラーニング(Coactive Learning)は,EC2に動機づけられたベイズ的仮説識別政策を組み合わせたものである。 我々は,PNNLのCICERO選択沈降実験において,選択された結果によって制約された合成ベンチマークの評価を行った。
  論文  参考訳（メタデータ） (2026-07-26T23:56:58Z)
• Best-Arm Identification with Generative Proxy [10.674965991983974]
  固定信頼度ベストアーム識別法について検討し,各報酬の引き分けを,安価だが相関の取れたプロキシスコアと組み合わせて検討した。 本稿では,最小二乗法に適合する残差の上限値を維持する位相除去アルゴリズム PROBE を提案する。 我々は PROBE が$-PAC であり、一定の乗算係数と一定の加法キャリブレーションコストまで、既知の相関オラクルサンプルの複雑さが得られることを証明した。
  論文  参考訳（メタデータ） (2026-07-08T00:41:43Z)
• Observationally Informed Adaptive Causal Experimental Design [55.998153710215654]
  本稿では,観測モデルを基礎的先行として活用する新たなパラダイムであるアクティブ残留学習を提案する。 このアプローチは、実験的な焦点を、目標因果量の学習から、観察バイアスの補正に必要な残差を効率的に推定するへとシフトさせる。 合成および半合成ベンチマークの実験は、R-Designがベースラインを大幅に上回ることを示した。
  論文  参考訳（メタデータ） (2026-03-04T06:52:37Z)
• When Fusion Helps and When It Breaks: View-Aligned Robustness in Same-Source Financial Imaging [4.857561672498819]
  金融画像表現を用いた次世代の方向予測のための,同ソース多視点学習と対向ロバスト性について検討する。 我々は,OHLCVレンダリング価格/ボリュームチャートと技術指標行列の2つのウィンドウアラインビューを構築した。 FGSMとPGDを用いたL-infinity摂動実験を,一方の視点を摂動する視野拘束型攻撃と、両方を摂動する関節攻撃の2つの脅威シナリオで評価した。
  論文  参考訳（メタデータ） (2026-02-11T16:45:23Z)
• LLM Collusion [5.363252654303049]
  大型言語モデル(LLM)は、両方の販売者が同じ事前訓練されたモデルに依存している場合、二重言語での共謀を促進することができる。 LLMのロバスト性とロバスト性の設定は相転移によって共謀を誘発できることを示す。
  論文  参考訳（メタデータ） (2026-01-03T20:38:21Z)
• ZIP-RC: Optimizing Test-Time Compute via Zero-Overhead Joint Reward-Cost Prediction [57.799425838564]
  ZIP-RCは、モデルに報酬とコストのゼロオーバーヘッド推論時間予測を持たせる適応推論手法である。 ZIP-RCは、同じまたはより低い平均コストで過半数投票よりも最大12%精度が向上する。
  論文  参考訳（メタデータ） (2025-12-01T09:44:31Z)
• Estimating Treatment Effects under Recommender Interference: A Structured Neural Networks Approach [32.55211271796683]
  一般に採用されている差分推定器は、推奨者干渉による推定に大きく偏りがあることが示される。 干渉経路を明示的に表現した「推薦者選択モデル」を提案する。 Weixin短ビデオプラットフォーム上での大規模フィールド実験により本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2024-06-20T14:53:26Z)
• Breaking the Sample Complexity Barrier to Regret-Optimal Model-Free Reinforcement Learning [52.76230802067506]
  漸進的強化学習における後悔を最小限に抑えるために,新しいモデルフリーアルゴリズムを提案する。 提案アルゴリズムは、2つのQ-ラーニングシーケンスの助けを借りて、初期設定された参照更新ルールを用いる。 初期の分散還元法の設計原理は、他のRL設定とは独立した関心を持つかもしれない。
  論文  参考訳（メタデータ） (2021-10-09T21:13:48Z)
• LSDAT: Low-Rank and Sparse Decomposition for Decision-based Adversarial Attack [74.5144793386864]
  LSDATは、入力サンプルのスパース成分と対向サンプルのスパース成分によって形成される低次元部分空間における摂動を加工する。 LSDは画像ピクセル領域で直接動作し、スパース性などの非$ell$制約が満たされることを保証します。
  論文  参考訳（メタデータ） (2021-03-19T13:10:47Z)

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。