論文の概要: GenMatch: An End-to-End Generative Matching Framework for Micro-View Order-Dispatching in Ride-Hailing
- arxiv url: http://arxiv.org/abs/2608.19751v1
- Date: Thu, 20 Aug 2026 07:56:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.488278
- Title: GenMatch: An End-to-End Generative Matching Framework for Micro-View Order-Dispatching in Ride-Hailing
- Title（参考訳）: GenMatch: ライダーのマイクロビュー順序分散のためのエンドツーエンド生成マッチングフレームワーク
- Abstract要約: Micro-View Order-Dispatchingは、各ディスパッチバッチ内で利用可能なドライバーを乗客の注文に割り当てる。
我々は,実運用環境にデプロイされたエンドツーエンドの生成マッチングフレームワークであるGenMatchを提案する。
DiDiの国際配車市場での5都市での試験は、競争のベースラインよりも一貫して改善されている。
- 参考スコア（独自算出の注目度）: 7.6888668032508365
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Micro-View Order-Dispatching assigns available drivers to passenger orders within each dispatch batch and is critical to the service quality and operational efficiency of ride-hailing platforms. Mainstream industrial solutions follow a multi-stage paradigm of model prediction, value calculation, and dispatch matching. Although dispatch quality is determined by the final batch-level assignment, these stages optimize different intermediate objectives. This cross-stage objective inconsistency means that improving a single stage does not necessarily improve the overall dispatch result. We therefore formulate Micro-View Order-Dispatching as a generative matching problem and propose GenMatch, an end-to-end Generative Matching framework and the first such framework deployed in a real-world production environment. Applying generative modeling to this problem introduces three challenges. First, each dispatch batch forms a dynamic sparse bipartite graph, requiring efficient structured batch-level encoding. Second, replacing the hand-crafted value function requires learning unified business utility from heterogeneous feedback. Third, directly generating an assignment requires tracking the evolving matching state because each selected order-driver pair changes the remaining feasible candidates. GenMatch addresses these challenges with a Context-Aware Bipartite Encoder, a Business-Aware Utility Learner, and a State-Aware Pointer Decoder. Extensive offline evaluations and online A/B tests in five cities across DiDi's international ride-hailing markets show consistent improvements over competitive baselines, confirming the effectiveness and practicality of GenMatch for industrial order-dispatching.
- Abstract（参考訳）: Micro-View Order-Dispatchingは、各ディスパッチバッチ内で利用可能なドライバーを乗客の注文に割り当て、ライドシェアリングプラットフォームのサービス品質と運用効率に重要な役割を担います。
主流産業ソリューションは、モデル予測、値計算、ディスパッチマッチングの多段階パラダイムに従う。
ディスパッチの品質は最終バッチレベルの割り当てによって決定されるが、これらのステージは異なる中間目標を最適化する。
このクロスステージな客観的不整合は、単一ステージの改善がディスパッチ結果全体の改善を必ずしも行わないことを意味します。
そこで我々は、生成的マッチング問題としてMicro-View Order-Dispatchingを定式化し、エンドツーエンドの生成マッチングフレームワークであるGenMatchを提案する。
生成的モデリングをこの問題に適用することは3つの課題をもたらす。
まず、ディスパッチバッチは動的スパース二部グラフを形成し、効率的な構造化バッチレベルのエンコーディングを必要とする。
第二に、手作りのバリュー関数を置き換えるには、不均一なフィードバックから統合ビジネスユーティリティを学ぶ必要がある。
第三に、各選択されたオーダードライバペアが残りの実行可能な候補を変更するため、割り当てを直接生成するには、進化するマッチング状態を追跡する必要がある。
GenMatchはこれらの課題に、Context-Aware Bipartite Encoder、Business-Aware Utility Learner、State-Aware Pointer Decoderで対処する。
DiDiの国際ライドシェアリング市場5都市における大規模なオフライン評価とオンラインA/Bテストは、競争ベースラインよりも一貫した改善を示し、GenMatchの産業用注文処理の有効性と実用性を確認している。
関連論文リスト
- DaV-Gen: End-to-End Generative Retrieval via Draft-and-Verify [4.546259713278263]
textbfDaV-Genは、検索とレコメンデーションの両方のパラダイムを基本として設計された、新しい統一ソリューションである。
トレーニング中、モデルは候補のドラフトと詳細な検証の両方に同時に最適化される。
これは、2つの異なるが関連する目的に基づいてモデルを共同で訓練する複合損失関数によって達成される。
論文 参考訳（メタデータ） (2026-07-09T11:22:50Z) - 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) - 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) - OneRanker: Unified Generation and Ranking with One Model in Industrial Advertising Recommendation [17.77745313737108]
生成とランキングのアーキテクチャレベルでの深い統合を実現するOneRankerを提案する。
我々は、粗大できめ細かな協調目標認識機構を構築する。
TencentのWeiXinチャネル広告システムへの完全な展開は、主要なビジネス指標を大幅に改善したことを示している。
論文 参考訳（メタデータ） (2026-03-03T13:50:22Z) - Token-Level LLM Collaboration via FusionRoute [60.72307345997823]
FusionRouteはトークンレベルのマルチLLMコラボレーションフレームワークである。
各デコーディングステップで最も適した専門家を選択し、選択した専門家の次のTokenディストリビューションを洗練または修正する補完ロジットをコントリビュートする。
シーケンスレベルのコラボレーションとトークンレベルのコラボレーション、モデルマージ、ダイレクト微調整の両方に優れています。
論文 参考訳（メタデータ） (2026-01-08T16:53:16Z) - PanMatch: Unleashing the Potential of Large Vision Models for Unified Matching Models [80.65273820998875]
頑健な対応マッチングのための汎用基盤モデルであるPanMatchを提案する。
我々の重要な洞察は、任意の2フレーム対応タスクが2次元変位推定フレームワーク内で処理可能であることである。
PanMatchは、偏差推定アルゴリズムを前例のない一般化能力で実現し、マルチタスク統合を実現する。
論文 参考訳（メタデータ） (2025-07-11T08:18:52Z) - An End-to-End Reinforcement Learning Based Approach for Micro-View Order-Dispatching in Ride-Hailing [8.892147201091726]
ディディにおけるエンドツーエンドの強化学習に基づく秩序分散手法を提案する。
我々はこの問題をモデル化するために2層決定プロセスフレームワークを使用し、注文代入を生成するエンコーダ-デコーダ構造ネットワークであるアンダーラインDouble underlineScalable underlineNetwork (DSN2)を提案する。
コンテキストダイナミクスを活用することで、私たちのアプローチは行動パターンに適応してパフォーマンスを向上させることができます。
論文 参考訳（メタデータ） (2024-08-20T01:30:53Z) - EAGER: Two-Stream Generative Recommender with Behavior-Semantic Collaboration [63.112790050749695]
本稿では,行動情報と意味情報の両方をシームレスに統合する新しい生成推薦フレームワークであるEAGERを紹介する。
EAGERの有効性を4つの公開ベンチマークで検証し,既存手法と比較して優れた性能を示した。
論文 参考訳（メタデータ） (2024-06-20T06:21:56Z) - Bipartite Ranking Fairness through a Model Agnostic Ordering Adjustment [54.179859639868646]
本稿では,二部類ランキングにおける公平性を実現するためのモデルに依存しない後処理フレームワークxOrderを提案する。
xOrderは、教師なしおよび教師なしの公正度メトリックを含む、さまざまな分類モデルとランキングフェアネスメトリクスと互換性がある。
提案アルゴリズムを,4つのベンチマークデータセットと2つの実世界の患者電子健康記録リポジトリ上で評価した。
論文 参考訳（メタデータ） (2023-07-27T07:42:44Z) - Discovering Non-monotonic Autoregressive Orderings with Variational
Inference [67.27561153666211]
我々は、訓練データから高品質な生成順序を純粋に検出する、教師なし並列化可能な学習装置を開発した。
エンコーダを非因果的注意を持つトランスフォーマーとして実装し、1つのフォワードパスで置換を出力する。
言語モデリングタスクにおける経験的結果から,我々の手法は文脈認識であり,一定の順序と競合する,あるいはより優れた順序を見つけることができる。
論文 参考訳（メタデータ） (2021-10-27T16:08:09Z)
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。