Fugu-MT 論文翻訳(概要): PushDualGen: Enabling LLMs to Generate Semantic IDs with Interpretable Copy for Industrial Push Recommendation

論文の概要: PushDualGen: Enabling LLMs to Generate Semantic IDs with Interpretable Copy for Industrial Push Recommendation

arxiv url: http://arxiv.org/abs/2608.07989v1
Date: Sat, 08 Aug 2026 07:56:55 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-11 19:16:36.595082
Title: PushDualGen: Enabling LLMs to Generate Semantic IDs with Interpretable Copy for Industrial Push Recommendation
Title（参考訳）: PushDualGen:産業用プッシュレコメンデーションのための解釈可能なコピー付きセマンティックID生成のためのLCMの導入
Abstract要約: ジェネレーティブレコメンデーションはセマンティックIDを通じてエンド・ツー・エンドのユーザーパーソナライズを実現している。 OneRec-Thinkingは、SIDを生成する前にCoTを組み込むことで、この問題に対処する。我々はまずSIDを生成し、次にスキップ可能な説明としてコピーを生成する軽量なジェネレータであるPushDualGenを提案する。
参考スコア（独自算出の注目度）: 16.575573054201243
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Push recommendation in KuaiShou proactively delivers personalized content to nearly one billion users to facilitate their engagement. Recently, generative recommendation has achieved end-to-end user personalization through semantic ID. However, their black- box characteristics make recommendation logics difficult to trace, hindering their deployment. OneRec-Thinking addresses this by incorporating CoT before generating SIDs, but this significantly increases inference cost. To support large-scale industrial applications, we propose PushDualGen, a lightweight generator, which first generates the SID and then produces a copy as a skippable explanation. PushDualGen has been deployed in Kuaishou's push recommendation system. Online A/B tests demonstrate the effectiveness of PushDualGen, delivering significant improvements in both user attraction and satisfaction. The effective play rate for videos recommended to users has relatively increased by 8.50%, while the dissatisfaction rate has relatively fallen by 37.70%. In the long term, PushDualGen optimises the content ecosystem, providing more exposure for long-tail videos.
Abstract（参考訳）: KuaiShouのプッシュレコメンデーションでは、パーソナライズされたコンテンツを10億近いユーザに積極的に提供し、エンゲージメントを促進する。近年,ジェネレーティブ・レコメンデーションはセマンティック・IDを通じてエンド・ツー・エンドのユーザーパーソナライズを実現している。しかしながら、ブラックボックスの特徴は、レコメンデーションロジックのトレースを難しくし、デプロイメントを妨げます。 OneRec-Thinkingは、SIDを生成する前にCoTを組み込むことで、この問題に対処する。大規模産業アプリケーションを支援するために,SIDを最初に生成し,スキップ可能な説明としてコピーを生成する軽量なジェネレータであるPushDualGenを提案する。 PushDualGenはKuaishouのプッシュレコメンデーションシステムにデプロイされている。オンラインA/BテストはPushDualGenの有効性を示し、ユーザアトラクションと満足度の両方で大幅に改善されている。ユーザに推奨されるビデオの効果的な再生率は8.50%増加し、満足度は37.70%低下した。長期的には、PushDualGenはコンテンツエコシステムを最適化し、ロングテールビデオの露出を増やす。

関連論文リスト

HGenPush: A Heterogeneous Generative Recommendation Architecture for Industrial Push Notification Systems [19.17988315151231]
本稿では,HGenPush と呼ばれるヘテロジニアスな生成レコメンデーションアーキテクチャを提案する。 HGenPushは、高品質なコンテンツと信頼できる著者に対するユーザの要求を同時に満たす。我々は,大規模なショートビデオプラットフォームであるKuaishouのプッシュ通知システムにHGenPushをデプロイした。
論文参考訳（メタデータ） (2026-07-03T14:18:19Z)
WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
論文参考訳（メタデータ） (2026-04-20T01:29:56Z)
GenRec: A Preference-Oriented Generative Framework for Large-Scale Recommendation [14.663434490160016]
我々は、JD App上にデプロイされた嗜好指向の生成フレームワークであるGenRecを紹介する。月のオンラインA/Bテストでは、GenRecは9.5%のクリック数の改善と8.7%のトランザクション数を達成した。
論文参考訳（メタデータ） (2026-04-16T11:07:05Z)
Verifiable Reasoning for LLM-based Generative Recommendation [106.7765000777685]
大規模言語モデル(LLM)における推論は、最近、生成的レコメンデーションの強化に強い可能性を示している。本稿では,信頼性の高いフィードバックを提供するために,検証と推論をインターリーブする新しいTextbftextitreason-verify-recommendパラダイムを提案する。 4つの実世界のデータセットの実験は、VRecが効率を損なうことなく、推奨の有効性とスケーラビリティを大幅に向上することを示した。
論文参考訳（メタデータ） (2026-03-08T16:55:45Z)
PushGen: Push Notifications Generation with LLM [20.75604362739165]
PushGenは、人為的なコンテンツに匹敵する高品質なプッシュ通知を生成する自動化フレームワークである。大規模な産業アプリケーションにデプロイされ、毎日数億人のユーザにサービスを提供している。
論文参考訳（メタデータ） (2025-12-16T15:23:28Z)
MiniOneRec: An Open-Source Framework for Scaling Generative Recommendation [44.05859062614669]
MiniOneRecは、最初の完全なオープンソースジェネレーティブレコメンデーションフレームワークである。 SID構築にまたがるエンドツーエンドワークフロー、教師付き微調整、レコメンデーション指向の強化学習を提供する。実験の結果,モデルサイズの増加に伴い,トレーニングと評価の両方の損失が一貫した下降傾向を示した。
論文参考訳（メタデータ） (2025-10-28T13:58:36Z)
GENPLUGIN: A Plug-and-Play Framework for Long-Tail Generative Recommendation with Exposure Bias Mitigation [9.6362372578134]
ジェネレーティブレコメンデーション(GenRec)は、LCMの統合、埋め込みコストの削減、候補ごとのスコアリングの排除を提供する。 GenRecは、ジェネレーション露光バイアスとロングテールアイテムの一般化に悩まされている。本稿では,デュアルエンコーダと共有デコーダアーキテクチャを備えたプラグアンドプレイフレームワークを提案する。
論文参考訳（メタデータ） (2025-07-04T13:25:51Z)
Efficient Inference for Large Language Model-based Generative Recommendation [78.38878421030522]
LLM(Large Language Model)ベースの生成レコメンデーションは目覚ましい成功を収めた。ジェネレーティブレコメンデーションにSD(Speculative Decoding)を適用すると、トップKアイテムを生成する必要があるため、ユニークな課題が提示される。我々は,厳密なトップK検証の下でトップKアライメントを最適化する AtSpeed-S というアライメントフレームワークを提案する。
論文参考訳（メタデータ） (2024-10-07T16:23:36Z)
Unleash LLMs Potential for Recommendation by Coordinating Twin-Tower Dynamic Semantic Token Generator [60.07198935747619]
動的セマンティック・インデックス・パラダイムを採用した最初の生成型RSであるTTDS(Twin-Tower Dynamic Semantic Recommender)を提案する。より具体的には、ツイン・トワー・セマンティック・トークン・ジェネレータをLLMベースのレコメンデータに統合する動的知識融合フレームワークを初めて提案する。提案したTTDSレコメンデータは,平均19.41%のヒットレート,20.84%のNDCG測定値を実現している。
論文参考訳（メタデータ） (2024-09-14T01:45:04Z)
Prompt Tuning as User Inherent Profile Inference Machine [68.16976932088708]
本稿では,ユーザプロファイルの推測にプロンプトチューニングを用いるUserIP-Tuningを提案する。 UserIP-Tuningは最先端のレコメンデーションアルゴリズムより優れている。提案されたソリューションは2025年5月からHuawei AppGalleryのExploreページにデプロイされている。
論文参考訳（メタデータ） (2024-08-13T02:25:46Z)
ContrastVAE: Contrastive Variational AutoEncoder for Sequential Recommendation [58.02630582309427]
本稿では,コントラスト学習を変分オートエンコーダの枠組みに組み込むことを提案する。 ContrastELBOは,従来のシングルビューELBOを2ビューケースに拡張した,新しいトレーニング目標である。また、コントラストELBOの具体化として、コントラスト正規化を備えた2分岐VAEモデルであるContrastVAEを提案する。
論文参考訳（メタデータ） (2022-08-27T03:35:00Z)

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。