論文の概要: rEDMRec: Distilling Large Language Model Reasoning into an Editable Experience Memory for Recommendation

• arxiv url: http://arxiv.org/abs/2608.18952v1
• Date: Wed, 19 Aug 2026 14:17:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.425864
• Title: rEDMRec: Distilling Large Language Model Reasoning into an Editable Experience Memory for Recommendation
• Title（参考訳）: rEDMRec: 推奨のための編集可能なエクスペリエンスメモリに大規模な言語モデル推論を蒸留する
• Abstract要約: 大規模言語モデルは、ユーザ履歴や候補項目に対して明示的に推論することで、推奨品質を改善することができる。 この推論は、すべてのランク付け要求を繰り返すのに高価であり、一度生成すると、通常一度消費され、破棄される。 本稿では,教師の推論を4つのタイプ付き編集可能な体験チャネルに蒸留するrEDMRecを提案する。
• 参考スコア（独自算出の注目度）: 3.2434811678562685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models can improve recommendation quality by reasoning explicitly over user history and candidate items - for example, extracting a user's preferences or explaining why one item fits better than another - rather than mapping history directly to a ranked list. This reasoning, however, is expensive to repeat on every ranking request and, once produced, is typically consumed once and discarded, leaving it neither reusable across future requests nor easy to inspect or correct as user tastes drift. Our insight is that reasoning does not need to be regenerated at every call if it can instead be compressed once into a compact, structured memory that a lightweight model retrieves from. We propose rEDMRec, which distills a teacher LLM's reasoning into four typed, editable experience channels - long-term preference, short-term context, item-perception, and counterfactual hard-negative comparisons - maintained by an LLM memory controller that performs Add/Delete/Modify/Keep operations and refines entries via K-agent debate. A lightweight student LLM then ranks candidates purely by retrieving from this memory, without invoking the teacher again, decoupling online inference cost from reasoning depth. Across ML-1M, Amazon Beauty, and Steam and ten student backbones, rEDMRec improves HR@1 over zero-shot, few-shot, and RAG on every backbone, and over GraphRAG on most backbones, with Impv up to 13.3% vs. the second-best baseline on ML-1M. Channel ablations show that short-term context is the only channel that helps consistently across capacity tiers, whereas long-term, item-perception, and counterfactual contributions are capacity-dependent (and can reverse on the strongest students); debate-based memory optimization lowers bank duplication by 7.4 percentage points while raising downstream HR@1 by up to +0.029 over six optimization epochs.
• Abstract（参考訳）: 例えば、ユーザの好みを抽出したり、ある項目が他の項目よりも適している理由を説明するなどです。 しかし、この推論は、すべてのランク付け要求を繰り返すのに費用がかかり、一度生産されると、通常一度消費され、捨てられる。 私たちの洞察では、軽量モデルが取得したコンパクトで構造化されたメモリに1度圧縮できるのであれば、すべての呼び出しで推論を再生する必要はありません。 本稿では,教師のLLM推論を,長期的嗜好,短期的文脈,項目認識,反ファクト的ハードネガティブ比較という4種類の編集可能な体験チャネルに抽出するrEDMRecについて,加算/削除/修正/キープ操作を行うLLMメモリコントローラで管理し,K-agentの議論を通じてエントリを洗練する。 ライトウェイトな学生LLMは、この記憶から求職者を純粋にランク付けし、再び教師を呼び出さずに、オンライン推論コストを推論の深さから切り離す。 ML-1M、Amazon Beauty、Steam、および10人の学生のバックボーンにまたがって、rEDMRecは全バックボーンでHR@1、全バックボーンで小ショット、RAG、ほとんどのバックボーンでGraphRAGを上回り、ImpvはML-1Mで2番目に高いベースラインである。 チャネルアブレーションは、短期的コンテキストがキャパシティ層を一貫して横断する唯一のチャンネルであることを示しているが、長期的、アイテムパーセプション、およびカウンターファクト的なコントリビューションはキャパシティに依存している(そして最強の学生に逆らうことができる)。

関連論文リスト

• Dual-Grained Agent Memory and Shapley Context Attribution for Multimodal Agentic Learner [55.80248281761638]
  マルチモーダルな大言語モデル (MLLM) は、科学的および数学的推論において、印象的な認識を提供する。 本稿では,DG-Memを提案する。DG-Memは,トレーニングタイムのロールアウトから一度構築した外部記憶メモリと,テスト時に読み取り専用に相談することで,凍結したMLLMを拡張可能なエージェントメモリフレームワークである。
  論文  参考訳（メタデータ） (2026-08-24T13:56:01Z)
• LazyMem: Retrieve Broadly, Construct Selectively for Efficient Long-Term Agent Memory [10.916121108457537]
  クエリ時間にすべてのメモリ構成を遅延させるLazyMemを紹介します。 LongMemEvalでは、LazyMem-4B は LLM-judge の精度 0.85 を達成し、最強の非線形ベースラインを上回っている。 さらに、ターゲットドメイントレーニングなしでLoCoMoに一般化し、以前のクエリ時間ベースラインと比較して平均レイテンシを低減する。
  論文  参考訳（メタデータ） (2026-07-17T12:49:57Z)
• MemReranker: Reasoning-Aware Reranking for Agent Memory Retrieval [37.54115468116941]
  本報告では,Qwen3-Reranker を用いた多段 LLM 知識蒸留によるリグレードモデルファミリ MemReranker (0.6B/4B) について紹介する。 メモリ検索ベンチマークでは、MemReranker-0.6BはBGE-Rerankerを大きく上回り、オープンソースの4B/8BモデルとGPT-4o-miniをキーメトリクスでマッチングする。 MemReranker-4B はさらに 0.737 MAP を達成し、Gemini-3-Flash と同等のメトリクスを持つ一方で、推論遅延を10-20%の大型モデルで維持している。
  論文  参考訳（メタデータ） (2026-05-07T12:33:57Z)
• MemRerank: Preference Memory for Personalized Product Reranking [14.982376048234386]
  本稿では,ユーザの購入履歴を簡潔でクエリ非依存な信号に抽出し,パーソナライズされた製品再品位を実現するための選好記憶フレームワークであるMemRerankを提案する。 2つのLCMベースのリランカによる実験では、MemRerankは、無メモリ、生の履歴、および既製のメモリベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-03-31T04:16:18Z)
• MemSearcher: Training LLMs to Reason, Search and Manage Memory via End-to-End Reinforcement Learning [73.27233666920618]
  本稿では,メモリを反復的に保持し,現在のターンと組み合わせたエージェントワークフローであるMemSearcherを提案する。 それぞれのターンで、MemSearcherはユーザーの質問をメモリに融合させ、推論トレースを生成し、検索アクションを実行し、メモリを更新してタスクの解決に必要な情報のみを保持する。 我々は,MemSearcher Agents の推論,検索戦略,メモリ管理を協調的に最適化する,エンドツーエンドの RL フレームワークである Multi-context GRPO を紹介する。
  論文  参考訳（メタデータ） (2025-11-04T18:27:39Z)
• Memory-R1: Enhancing Large Language Model Agents to Manage and Utilize Memories via Reinforcement Learning [89.55738101744657]
  大規模言語モデル(LLM)は、幅広いNLPタスクで印象的な機能を示しているが、基本的にはステートレスである。 本稿では,LLMに外部メモリを積極的に管理・活用する機能を備えた強化学習フレームワークであるMemory-R1を提案する。
  論文  参考訳（メタデータ） (2025-08-27T12:26:55Z)
• R$^2$ec: Towards Large Recommender Models with Reasoning [59.32598867813266]
  R$2$ecは、本質的な推論能力を持つ統一された大型レコメンデータモデルである。 R$2$ecは、推論チェーン生成と効率的なアイテム予測の両方を単一のモデルでサポートするデュアルヘッドアーキテクチャを導入している。 注釈付き推論データの欠如を克服するため、強化学習フレームワークであるRecPOを設計する。
  論文  参考訳（メタデータ） (2025-05-22T17:55:43Z)
• Rank-R1: Enhancing Reasoning in LLM-based Document Rerankers via Reinforcement Learning [76.50690734636477]
  ランキングタスクを実行する前にユーザクエリと候補文書の両方を推論する新しいLCMベースのリランカである Rank-R1 を導入する。 TREC DL と BRIGHT データセットを用いた実験により,Ranc-R1 が特に複雑なクエリに対して非常に有効であることが判明した。
  論文  参考訳（メタデータ） (2025-03-08T03:14:26Z)
• FIRST: Faster Improved Listwise Reranking with Single Token Decoding [56.727761901751194]
  まず、第1生成識別子の出力ロジットを活用して、候補のランク付け順序を直接取得する新しいリストワイズLLMリグレードアプローチであるFIRSTを紹介する。 実験結果から、BEIRベンチマークの利得により、FIRSTはロバストなランキング性能を維持しつつ、推論を50%高速化することが示された。 以上の結果から,LLMリランカーはクロスエンコーダに比べて強い蒸留信号を提供できることが示唆された。
  論文  参考訳（メタデータ） (2024-06-21T21:27:50Z)
• Multi-Modal Recommendation Unlearning for Legal, Licensing, and Modality Constraints [10.335361310419826]
  本稿では,MMRS と未学習項目データにおける非学習に関する最初のアプローチである MMRecUn を紹介する。 MMRecUnはベースライン方式に比べて最大49.85%のリコール性能向上を実現している。 ゴールドモデルよりも最大1.3倍速く、スクラッチからセットを保持するように訓練されている。
  論文  参考訳（メタデータ） (2024-05-24T08:11:59Z)
• Query Rewriting for Retrieval-Augmented Large Language Models [139.242907155883]
  大規模言語モデル(LLM)は、検索対象のパイプラインで強力なブラックボックスリーダーを動作させる。 この作業では、検索拡張LDMに対する以前の検索テーマ読み込みの代わりに、新しいフレームワークであるRewrite-Retrieve-Readを導入する。
  論文  参考訳（メタデータ） (2023-05-23T17:27:50Z)

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。