論文の概要: Lines and Ladders: A Context-Aware Multi-Agent Framework for Large-Scale Retail Price Taxonomy
- arxiv url: http://arxiv.org/abs/2608.12674v1
- Date: Thu, 13 Aug 2026 00:22:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-14 18:29:38.352211
- Title: Lines and Ladders: A Context-Aware Multi-Agent Framework for Large-Scale Retail Price Taxonomy
- Title（参考訳）: ラインとラダー:大規模小売価格分類のためのコンテキスト対応マルチエージェントフレームワーク
- Abstract要約: 商品の変種間の一貫性のない価格設定は、顧客価値の認識を歪め、販売を共食いさせる。
本稿では,"Lines and Ladders"の価格設定の自動化を目的とした,コンテキスト対応マルチエージェントフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.00559762074594338
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Maintaining price consistency and executing an Every Day Low Price strategy is critical for global retailers. However, with catalogs spanning millions of active items, manual governance of price relationships is infeasible. Inconsistent pricing across item variants distorts customer value perception and cannibalizes sales. To address this, we present a scalable, context-aware Multi-Agent Framework designed to automate the construction of "Lines and Ladders" pricing taxonomies. Our framework employs specialized LLM agents to construct these coherent pricing structures by identifying key attributes, extracting multi-modal values, and applying hierarchical grouping logic. Evaluated on real-world enterprise data and deployed in production, our 3-Agent system achieves an F1-score of 0.83 for Lines, outperforming single-agent baselines by mitigating cognitive overload. The system achieves >90% precision and >75% recall in Food & Consumables, and 80.2% assignment accuracy in the unstructured General Merchandise catalog.
- Abstract（参考訳）: 価格の整合性を維持し、Every Day Low Price戦略を実行することは、世界的な小売業者にとって重要である。
しかし、何百万ものアクティブアイテムにまたがるカタログでは、価格関係のマニュアルガバナンスは実現不可能である。
商品の変種間の一貫性のない価格設定は、顧客価値の認識を歪め、販売を共食いさせる。
これを解決するために、我々は"Lines and Ladders"の価格分類の自動化を目的として、スケーラブルでコンテキスト対応のMulti-Agent Frameworkを提案する。
我々のフレームワークは、キー属性を特定し、マルチモーダルな値を抽出し、階層的なグルーピング論理を適用することで、これらのコヒーレントな価格構造を構築するために、特殊なLLMエージェントを使用している。
実世界の企業データに基づいて実運用環境にデプロイされた3Agentシステムは、LinesのF1スコア0.83を達成し、認知的過負荷を軽減し、シングルエージェントベースラインを上回っます。
このシステムは食品・消費財の90%の精度と75%のリコールを達成し、非構造化のジェネラル・メルカンディズカタログの80.2%の割り当て精度を達成した。
関連論文リスト
- Scaling E-Commerce Attribute Extraction with Parallel Decoding [25.167068017765768]
電子商取引カタログは乱雑で構造化されていないため、どの属性が最も重要かを特定するのは困難だ。
まず2段階のLCMパイプラインを導入し、各製品カテゴリの購入識別属性のコンパクトでランク付けされたスキーマを最初に発見する。
このパイプラインは85%の抽出精度を達成し、蒸留した基礎LLMと同等にし、推算コストを92%削減した。
論文 参考訳（メタデータ） (2026-09-09T05:01:28Z) - Rethinking Sales Lead Scoring with LLM-based Hierarchical Preference Ranking [10.224056739324702]
セールスリードのコンバージョンは、長い意思決定サイクルと多段階のファンネルのために、eコマースのレコメンデーションとは根本的に異なる。
従来のリードスコアリング手法では、スパース監視、非構造化CRMログのセマンティックギャップ、相対的なリード優先度の取得が不可能といった深刻な課題に直面しています。
我々は、構造化CRM機能と非構造化顧客インタラクションの連成モデリングを支援するLLMベースのセールスリードスコアリングのための差別的フレームワークについて紹介する。
論文 参考訳（メタデータ） (2026-06-03T03:05:57Z) - ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
$textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。
Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
論文 参考訳（メタデータ） (2026-05-11T16:20:51Z) - SAGE: A Service Agent Graph-guided Evaluation Benchmark [27.342044311161654]
本稿では,SAGE(Service Agent Graph-Guided Evaluation)を提案する。
SAGEは構造化されていないSOPを動的ダイアロググラフに形式化し、論理的コンプライアンスの正確な検証を可能にする。
また、モデルが論理的失敗にもかかわらず丁寧な会話ファサードを維持する現象である「共感回復」も観察する。
論文 参考訳（メタデータ） (2026-04-10T12:55:23Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - DeepRule: An Integrated Framework for Automated Business Rule Generation via Deep Predictive Modeling and Hybrid Search Optimization [12.68443002994035]
DeepRuleは小売アソシエーションと価格最適化におけるビジネスルールの自動生成のための統合フレームワークである。
我々は,大規模言語モデル(LLM)を用いたハイブリッド知識融合エンジンを設計し,非構造化テキストの深い意味解析を行う。
実店舗環境において,運用可能性を確保しつつ,系統的B2Cベースラインよりも高い利益率を達成するための枠組みを検証した。
論文 参考訳（メタデータ） (2025-12-03T09:40:33Z) - Auto prompting without training labels: An LLM cascade for product quality assessment in e-commerce catalogs [1.1634786343359016]
本稿では,eコマースにおける製品品質を評価するために,Large Language Models (LLM) の自動プロンプティングのための新しいフリーカスケードについて紹介する。
我々のシステムは、トレーニングラベルやモデル微調整を必要とせず、代わりに、数万の製品カテゴリと属性のペアに対して属性品質を評価するプロンプトを自動生成し、精錬する。
論文 参考訳（メタデータ） (2025-10-27T23:49:31Z) - PricingLogic: Evaluating LLMs Reasoning on Complex Tourism Pricing Tasks [28.577623054100616]
PricingLogicは、42の現実世界の価格ポリシーから派生した予約要求に基づく300の自然言語質問で構成されている。
LLMの行の評価は、ルール解釈と算術的推論の体系的な失敗を実証し、難易度層における急激な性能低下を示す。
論文 参考訳（メタデータ） (2025-10-14T11:42:15Z) - OnePiece: Bringing Context Engineering and Reasoning to Industrial Cascade Ranking System [61.12400636463362]
OnePieceは、LLMスタイルのコンテキストエンジニアリングと推論を、検索モデルとランキングモデルの両方にシームレスに統合する統合フレームワークである。
OnePieceは、Shopeeの主要なパーソナライズされた検索シナリオにデプロイされ、さまざまな主要なビジネス指標で一貫したオンラインゲインを実現している。
論文 参考訳（メタデータ） (2025-09-22T17:59:07Z) - SCAN: Structured Capability Assessment and Navigation for LLMs [54.54085382131134]
textbfSCAN (Structured Capability Assessment and Navigation) は、大規模言語モデルの詳細な特徴付けを可能にする実用的なフレームワークである。
SCANには4つの重要なコンポーネントが含まれている。
TaxBuilder – クエリから機能表示タグを抽出して階層的な分類構造を構築する。
RealMixは、各機能タグに対する十分な評価データを保証するクエリ合成とフィルタリングのメカニズムである。
PC$2$ベースのLCM-as-a-Judge法は従来のLCM-as-a-Judge法と比較して大幅に精度が向上する
論文 参考訳（メタデータ） (2025-05-10T16:52:40Z) - A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。
各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。
実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
論文 参考訳（メタデータ） (2024-07-08T09:55:31Z) - VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit
Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。
まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。
当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文 参考訳（メタデータ） (2020-04-19T18:00:58Z)
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。