論文の概要: MetaStrategy: Generative Ranking with Executable LLM Strategies
- arxiv url: http://arxiv.org/abs/2608.09440v1
- Date: Mon, 10 Aug 2026 11:16:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.216738
- Title: MetaStrategy: Generative Ranking with Executable LLM Strategies
- Title（参考訳）: MetaStrategy: 実行可能なLCM戦略による生成ランク付け
- Abstract要約: 構造化された、実行可能なランキング戦略を生成するフレームワークであるMetaStrategyを提案する。
大きな言語モデル(LLM)ポリシーは、客観的重み、コンテンツとカテゴリの好み、経験制約、位置ポリシーを制御するバンドルを出力する。
7日間のオンラインA/Bテストでは、MetaStrategyは処理側のGEコールの27.93%を獲得し、クリックページビュー(PV)を2.11%改善し、アイテム詳細ページビュー(IPV)を3.12%改善し、トランザクション量を2.83%改善した。
- 参考スコア（独自算出の注目度）: 9.856865572074062
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Industrial recommender systems rank heterogeneous content under coupled user, business, commercial, and experience objectives. Existing generative ranking methods typically construct item sequences directly, making them difficult to integrate with mature predictive models, operational rules, and field-level guardrails. We present MetaStrategy, a framework that instead generates a structured, executable ranking strategy. Conditioned on request context, a large language model (LLM) policy emits a typed JSON bundle controlling objective weights, content and category preferences, experience constraints, and position policies. A deterministic validator and compiler instantiate an isolated Generator that competes atomically with incumbents under the list-level Evaluator of the Generator-Evaluator (GE) architecture. We train the policy in a production-path replay environment that re-executes logged requests through the current re-ranking stack without user exposure. The method combines selection, relative-rank, and baseline-lift rewards, a self-competitive curriculum that feeds frequent strategies back as competitors, and Evaluator-routed reward-augmented on-policy distillation that transfers complementary 4B-parameter Teachers into a compact 0.8B-parameter Student. We deploy MetaStrategy in Taobao Homepage Guess You Like through diff-triggered nearline generation; LLM inference remains outside synchronous ranking, with no observable increase in response time (RT). In a seven-day user-randomized online A/B test, MetaStrategy wins 27.93% of treatment-side GE calls and significantly improves click page views (click PV) by 2.11%, item-detail page views (IPV) by 3.12%, and transaction amount by 2.83%.
- Abstract（参考訳）: インダストリアルレコメンデータシステムは、ユーザ、ビジネス、商業、経験の両面からヘテロジニアスなコンテンツをランク付けする。
既存の生成的ランキング法は、アイテムシーケンスを直接構築するのが一般的であり、成熟した予測モデル、運用ルール、フィールドレベルのガードレールとの統合が困難である。
代わりに、構造化された実行可能なランキング戦略を生成するフレームワークであるMetaStrategyを提案する。
要求コンテキストに基づいて、大きな言語モデル(LLM)ポリシーは、客観的な重み、コンテンツとカテゴリの好み、経験制約、位置ポリシーを制御する型付きJSONバンドルを出力する。
決定論的検証器とコンパイラは、ジェネレータ・評価器(GE)アーキテクチャの一覧レベル評価器の下で、既存のものと原子的に競合する孤立したジェネレータをインスタンス化する。
我々は、ユーザ露出なしに現在の再ランクスタックを通じてログされたリクエストを再実行するプロダクションパス再生環境でポリシーをトレーニングする。
この方法は、選択、相対ランク、ベースラインリフト報酬、競争相手として頻繁に戦略をフィードバックするセルフコンペティティブカリキュラムと、補完的な4Bパラメーターの教師を0.8Bパラメーターの生徒に置き換える、評価者によって強化されたオンライン蒸留を組み合わせたものである。
差分トリガーしたニアライン生成により,Taobao Homepage Guess You LikeにMetaStrategyをデプロイする。
7日間のオンラインA/Bテストでは、MetaStrategyは処理側のGEコールの27.93%を獲得し、クリックページビュー(PV)を2.11%改善し、アイテム詳細ページビュー(IPV)を3.12%改善し、トランザクション量を2.83%改善した。
関連論文リスト
- SWIM: Step-Wise Integrated Measure for Session-supervised List Evaluation in Generative Re-ranking [50.941707269747866]
ユーザ動作を有限水平プレフィックスのセッションレベルサバイバルプロセスとしてモデル化するリストレベル評価器SWIMを提案する。
SWIMは、リストワイドのタスクにおいて、ベースラインを著しく上回り、全体的なレコメンデーションエンゲージメントを大幅に改善することを示す。
論文 参考訳（メタデータ） (2026-08-25T19:57:48Z) - MEMENTO: Memory-Guided Memetic Code-as-Policy Evolution [3.5615347765658396]
長期的な実施タスクは、タスクの成功が観察される前に、多くの依存アクションを実行するポリシーを必要とする。
MementOは、コード・アズ・ポリティクスの進化のためのメモリ誘導シングルエリート・メメティック・フレームワークである。
長地平線を具現化した2つのドメイン(Robosuite Franka Tower-of-Hanoi)とAI2-THORホームインタラクション)でMementOを評価した。
論文 参考訳（メタデータ） (2026-07-24T18:16:35Z) - Co-Evolving LLM Evaluators and Policies via DynamicRubric [67.2962847914162]
政策によって引き起こされたサンプルに対する評価者フィードバックによるポストトレーニングは、大きな言語モデルを改善するための主要なメカニズムとなる。
反応条件付き評価器であるDynamicRubricを提案する。
8Bバックボーンを用いた実験では、DynamicRubricは評価器のパフォーマンスを改善し、ベースラインよりも強力なポリシー管理を提供する。
論文 参考訳（メタデータ） (2026-07-22T12:35:40Z) - POEM: Partial-Order Enhanced Real-Time Sequential Modeling for Recommendation [47.301549241806185]
本稿では, 固有部分順序関係に基づく新しいリアルタイム逐次モデリングフレームワークを提案する。
POEMは、アップストリームランキングモジュールが生成するリアルタイムマルチタスクランキングスコアを、動的部分順序列の構築の監督として利用する。
Kuaishouオンライントラフィックに完全にデプロイされたPOEMは、オンライン上の大きな利益を達成している。
論文 参考訳（メタデータ） (2026-06-29T08:23:04Z) - F-GRPO: Factorized Group-Relative Policy Optimization for Unified Candidate Generation and Ranking [79.49893545611779]
大規模言語モデル(LLM)はサブセットを生成し、それを1つの自己回帰パス内で順序付けることができる。
この柔軟性は、新しい最適化課題をもたらす: モデルが出力空間を検索し、完全なランクリストが生成された後にのみユーティリティフィードバックを受けなければならない。
このクレジット割り当てギャップは、エンドツーエンドの最適化を不安定にし、サンプル非効率にする。
本稿では,単一自己回帰的ロールアウト内の両方を実行する統一フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-13T04:52:33Z) - From Local Indices to Global Identifiers: Generative Reranking for Recommender Systems via Global Action Space [50.72071213515985]
GloRankは、ローカルインデックスの選択からグローバル識別子の生成に移行する、ジェネレーティブなフレームワークである。
我々はGloRankが最先端のベースラインを一貫して上回り、コールドスタートシナリオにおいて優れたロバスト性を実現することを示す。
論文 参考訳（メタデータ） (2026-04-28T06:57:00Z) - RankGR: Rank-Enhanced Generative Retrieval with Listwise Direct Preference Optimization in Recommendation [36.297513746770456]
提案するRangGRは、リストワイズ直接選好最適化をレコメンデーションに組み込んだジェネレーティブ検索手法である。
IAPでは、新しいリストワイズ直接選好最適化戦略をGRに組み込んで、階層的ユーザの選好をより包括的に理解する。
トレーニングとデプロイメントにおいていくつかの実践的な改善を実現し、最終的には毎秒1万近いリクエストを処理可能なリアルタイムシステムを実現しています。
論文 参考訳（メタデータ） (2026-02-09T12:13:43Z) - Rank-GRPO: Training LLM-based Conversational Recommender Systems with Reinforcement Learning [70.6126069527741]
ConvRec-R1は会話レコメンデーションシステムのエンドツーエンドトレーニングのための2段階のフレームワークである。
ステージ1では,Remap-Reflect-Adjustパイプラインを用いた行動閉鎖データセットを構築した。
ステージ2では,グループ相対政策最適化の原則的拡張である Rank-GRPO を提案する。
論文 参考訳（メタデータ） (2025-10-23T02:56:00Z) - MetaSynth: Multi-Agent Metadata Generation from Implicit Feedback in Black-Box Systems [5.781056508016032]
暗黙的な検索フィードバックから学習する検索拡張生成フレームワークであるMeta Synthを紹介する。
プロプライエタリなeコマースデータとAmazon Reviewsコーパスの両方で、Meta Synthは、NDCG、MRR、ランキングメトリクスで強力なベースラインを上回ります。
この研究は暗黙の信号を用いたブラックボックスシステムにおけるコンテンツを最適化するための一般的なパラダイムに寄与する。
論文 参考訳（メタデータ） (2025-10-01T23:41:39Z) - OneSearch: A Preliminary Exploration of the Unified End-to-End Generative Framework for E-commerce Search [43.94443394870866]
OneSearchは、eコマース検索のための最初の産業向けエンドツーエンド生成フレームワークである。
OneSearchは運用費を75.40%削減し、Model FLOPsの利用を3.26%から27.32%に改善した。
このシステムはKuaishouの複数の検索シナリオにまたがって展開され、数百万のユーザーにサービスを提供している。
論文 参考訳（メタデータ） (2025-09-03T11:50:04Z)
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。