論文の概要: Position: Recommender Systems Should Move Beyond Platform-Centric Ranking toward Personal Agent-Mediated Recommendation

• arxiv url: http://arxiv.org/abs/2609.11942v1
• Date: Tue, 21 Jul 2026 06:18:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.49762
• Title: Position: Recommender Systems Should Move Beyond Platform-Centric Ranking toward Personal Agent-Mediated Recommendation
• Title（参考訳）: ポジション:レコメンダシステムは、パーソナルエージェント媒介レコメンデーションに向けてプラットフォーム中心のランキングを超えて移動すべきである
• Abstract要約: 推奨の次のボトルネックは、好みのモデリングだけでなく、証拠の取得と開示の制御である、と我々は主張する。 中心的なシフトは、単にランク付けモデルから別のランク付けモデルへではなく、プラットフォーム側のアイテムランキングからユーザー側のエビデンス・メディエーションへのシフトである。
• 参考スコア（独自算出の注目度）: 6.10079964714448
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommender systems are usually framed as ranking systems: platforms observe users, construct candidate sets, and select items on their behalf. This framing hides a deeper allocation of control, in which platforms also determine candidate access, evidence boundaries, explanations, and the path from user need to recommended output. We argue that the next bottleneck in recommendation is not only preference modeling, but control over evidence acquisition and disclosure. We argue for \textbf{Personal Agent-Mediated Recommendation} (PAMR), a paradigm in which a user-facing personal agent represents the user in discovering, filtering, aggregating, and governing recommendation evidence across distributed sources. The central shift is not simply from one ranking model to another, but from platform-side item ranking to user-side evidence mediation. As a position paper, we define PAMR as a new recommendation paradigm, establish its boundary criteria, identify its core mediation decisions, and propose a mediation-centered evaluation framework. A proof-of-concept study on hard Yelp restaurant recommendation tasks further shows that, under a shared LLM ranker, source selection and controlled disclosure provide the strongest observed utility--traceability--exposure--cost operating point.
• Abstract（参考訳）: プラットフォームはユーザを観察し、候補セットを構築し、代わりにアイテムを選択する。 このフレーミングは、プラットフォームが候補アクセス、エビデンス境界、説明、ユーザの推奨出力からのパスも決定する、制御のより深い割り当てを隠蔽する。 推奨の次のボトルネックは、好みのモデリングだけでなく、証拠の取得と開示の制御である、と我々は主張する。 筆者らは, 個人エージェントがユーザを代表し, フィルタリング, アグリゲーション, およびレコメンデーションエビデンスを分散ソース間で発見・管理するパラダイムである, PAMR(textbf{Personal Agent-Mediated Recommendation}) を提唱する。 中心的なシフトは、単にランク付けモデルから別のランク付けモデルへではなく、プラットフォーム側のアイテムランキングからユーザー側のエビデンス・メディエーションへのシフトである。 位置紙として,PAMRを新たな推奨パラダイムとして定義し,その境界基準を確立し,中核的な調停決定を特定し,調停中心評価フレームワークを提案する。 Yelpのレストラン推薦タスクに関する概念実証研究は、共有LLMランキング、ソース選択、制御された開示により、最も強力な実用性-追跡可能性-露出-コストの運用ポイントが提供されることを示している。

関連論文リスト

• The User Asks, Platforms Compete: How Agentic Recommendation Markets Take Shape [42.08046748080711]
  LLMベースのユーザエージェントは、異なるレコメンデーションプロセスを可能にする。 ユーザはプラットフォームを選択する前にニーズを指定する。 この新しいレコメンデーション設定は、アクセスと注意の緊張を生じさせる。
  論文  参考訳（メタデータ） (2026-07-28T03:54:38Z)
• ClawRec: A Claw-Native Recommender System [70.37279331430653]
  我々はClaw-nativeレコメンデータシステムを導入し、プラットフォームローカルのランキングを超えて、多様なソースやコンテンツ形式にまたがる統一的で補完的なレコメンデーションスレートを生成する。 ClawRecは、クロスプラットフォームの振る舞いとクロスソースレコメンデーションを接続するエビデンスリンクされた、時間的に構造化されたユーザ状態を維持している。 ClawRec は NDCG@20 の 0.6134 (+0.1126) と Hit@20 の 0.6944 (+0.0854) を達成している。
  論文  参考訳（メタデータ） (2026-07-26T17:56:49Z)
• Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems [64.88044474617854]
  大規模言語モデルベースのエージェントをリコメンダシステムに迅速に統合することで、静的なランキングベースのパイプラインから、自律的でインタラクティブなシステムへのシフトが加速した。 この調査では、自律性のレベルとエージェントレコメンデータシステムの3つのコアパラダイムを基盤とした統合された分類法を紹介した。
  論文  参考訳（メタデータ） (2026-07-05T17:55:05Z)
• ECPO: Evidence-Coupled Policy Optimization for Evidence-Certified Candidate Ranking [21.792889952064527]
  本稿では,Evidence-Coupled Policy Optimization (ECPO)について紹介する。 ECPOはスケルトンアライメント、引数一貫性、オプショングラフ機能から解釈可能なトラジェクトリ報酬を学習する。 次に、リストワイドランキングユーティリティ、スパンレベル証明書の妥当性、ラベルのない決定論的検証によって計算されたエビデンスサイクル報酬の3つの組み合わせによる制約付きポリシーを最適化する。
  論文  参考訳（メタデータ） (2026-05-21T04:42:34Z)
• RecThinker: An Agentic Framework for Tool-Augmented Reasoning in Recommendation [63.74915464611075]
  RecThinkerはツール拡張推論を推奨するエージェントフレームワークである。 我々はRecThinker専用のツール群を開発し、モデルがユーザアイテム側および協調的な情報を取得することを可能にする。
  論文  参考訳（メタデータ） (2026-03-10T16:07:17Z)
• AgentRecBench: Benchmarking LLM Agent-based Personalized Recommender Systems [17.329692234349768]
  エージェントレコメンデータシステムはLarge Language Models (LLM)を利用している LLMの高度な推論とロールプレイング能力は、自律的で適応的な意思決定を可能にする。 この分野では、これらの手法を評価するための標準化された評価プロトコルが欠けている。
  論文  参考訳（メタデータ） (2025-05-26T07:45:11Z)
• Preference Diffusion for Recommendation [50.8692409346126]
  DMベースのレコメンデータに適した最適化対象であるPreferDiffを提案する。 PreferDiffは、BPRをログライクなランキング目標に変換することで、ユーザの好みをよりよく把握する。 これはDMベースのレコメンデーション向けに特別に設計された、パーソナライズされたランキングの損失である。
  論文  参考訳（メタデータ） (2024-10-17T01:02:04Z)
• Post-Userist Recommender Systems : A Manifesto [1.7157586976839874]
  我々は,ユーザとシステムの関係を考慮に入れたレコメンデーションシステムに対するアプローチとして,ユーザリストレコメンデーションを定義した。 ポストユーザーストレコメンデーションは、利害関係者が埋め込まれ、レコメンデーション機能が生成メディアと区別される、より大きな関係分野を仮定する。
  論文  参考訳（メタデータ） (2024-10-09T03:16:37Z)
• Recommendation Systems with Distribution-Free Reliability Guarantees [83.80644194980042]
  我々は、主に良いアイテムを含むことを厳格に保証されたアイテムのセットを返す方法を示す。 本手法は, 擬似発見率の厳密な有限サンプル制御によるランキングモデルを提供する。 我々はYahoo!のランキングとMSMarcoデータセットの学習方法を評価する。
  論文  参考訳（メタデータ） (2022-07-04T17:49:25Z)

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。