論文の概要: Who Are We Recommending To? Recommender Systems in the Agentic Web

• arxiv url: http://arxiv.org/abs/2609.11945v1
• Date: Wed, 22 Jul 2026 16:16:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.49903
• Title: Who Are We Recommending To? Recommender Systems in the Agentic Web
• Title（参考訳）: エージェントWebにおけるリコメンダシステムとは?
• Abstract要約: 我々はレコメンデーションパラダイムが分岐していると論じる。 デリゲート可能なコンテキストでは、リコメンデーションの主要な運用コンシューマは、人間からエージェントへのシフトである。 エンターテイメント、芸術、その他の主観的、あるいは高い選択のような経験的な文脈では、人間は関連性の最終的な判断者のままである。
• 参考スコア（独自算出の注目度）: 3.166370515392007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For two decades, recommender systems have been designed under the assumption that a human directly consumes each recommendation: receiving, interpreting, and acting upon it. The emergence of AI agents powered by large language models challenges this assumption. In the emerging Agentic Web [ 28 ], autonomous agents increasingly act on behalf of users, e.g., browsing, comparing, negotiating, and executing transactions, raising a central question: who is the receiver of a recommendation? In this position paper, we argue that the recommendation paradigm is undergoing a bifurcation. In delegable contexts, such as routine purchases, travel, and constrained transactional tasks, the primary operational consumer of recommendations is shifting from the human to the agent, requiring new optimization objectives, interaction protocols, and evaluation criteria. In experiential contexts, such as entertainment, art, and other subjective or high-stakes choices, humans remain the final judge of relevance, though agents may assist through pre-filtering and curation. We introduce a delegation spectrum that characterizes recommendation contexts along factors such as preference specifiability, outcome verifiability, and decision stakes, and we outline a research agenda spanning agent preference modeling, dual-audience optimization, and the emerging agent attention economy. We further discuss the implications of this shift for the design and evaluation of recommender systems
• Abstract（参考訳）: 20年間、人間が直接レコメンデーションを消費するという前提のもと、レコメンダシステムは設計されてきた。 大規模言語モデルを活用したAIエージェントの出現は、この仮定に挑戦する。 新たなエージェント Web [28 ] では,ユーザの代理として,例えばブラウジングや比較,交渉,トランザクションの実行といった自律的なエージェントがますます行動し,中心的な疑問を提起している。 本稿では,推薦パラダイムが分岐状態にあることを論じる。 日常的な購入、旅行、制約されたトランザクションタスクなどのデリゲート可能なコンテキストでは、推奨の運用コンシューマが人間からエージェントに移行し、新たな最適化目標、インタラクションプロトコル、評価基準が要求される。 エンターテイメント、アート、その他の主観的あるいは高い選択のような経験的な文脈では、エージェントはフィルター前やキュレーションによって助けられるが、人間は関連性の最終的な判断者のままである。 本稿では、選好仕様性、結果の妥当性、意思決定の利害関係などの要因に沿ったレコメンデーションコンテキストを特徴付けるデリゲートスペクトルを導入し、エージェント選好モデリング、二重オーディエンス最適化、新興エージェントアテンションエコノミーを対象とする研究課題を概説する。 さらに、リコメンデータシステムの設計と評価におけるこのシフトの影響について論じる。

関連論文リスト

• A Position Paper on Recommender Systems in the Era of Autonomous Agents [32.44458308850838]
  本稿では,従来の人間中心型RecSys研究の知見を概観し,このハイブリッド環境への移行について概説する。 我々はエージェントを、プラットフォーム構築コンポーネントではなく、レコメンデータシステムのエンドユーザとして機能する、独立したユーザ整合型アシスタントとして扱う。 このシフトはRecSysの研究に新たな機会をもたらし、評価、アライメント、システム設計に固有の課題を導入します。
  論文  参考訳（メタデータ） (2026-07-18T01:18:18Z)
• 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)
• HARPO: Hierarchical Agentic Reasoning for User-Aligned Conversational Recommendation [10.766058469348382]
  本稿では,会話の推薦を構造化された意思決定プロセスとして再編成するエージェントフレームワークであるHARPOを提案する。 HarPOは階層的な選好学習を統合し、推奨品質を解釈可能な次元に分解する。 推奨中心のメトリクスに対して、強いベースラインよりも一貫した改善を示します。
  論文  参考訳（メタデータ） (2026-04-11T06:07:15Z)
• 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)
• Agentic Feedback Loop Modeling Improves Recommendation and User Simulation [55.857164472712455]
  本稿では,リコメンデーションエージェントとユーザエージェントの協調を支援するために,フィードバックループプロセスを強調する新しいフレームワークを提案する。 この反復的なプロセスは、両方のエージェントがユーザの振る舞いを推測する能力を高め、より効果的なアイテムレコメンデーションとより正確なユーザーシミュレーションを可能にします。
  論文  参考訳（メタデータ） (2024-10-26T00:51:39Z)
• Prospect Personalized Recommendation on Large Language Model-based Agent Platform [71.73768586184404]
  本稿では,エージェントアイテムとエージェントレコメンダで構成されるRec4Agentverseという新しいレコメンデーションパラダイムを紹介する。 Rec4AgentverseはAgentItemsとAgent Recommenderのコラボレーションを強調し、パーソナライズされた情報サービスを促進する。 Rec4Agentverseのいくつかの症例に関する予備研究は、その応用の可能性を検証する。
  論文  参考訳（メタデータ） (2024-02-28T11:12:17Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)
• A two-level solution to fight against dishonest opinions in recommendation-based trust systems [13.356755375091456]
  エージェントが他のエージェントに対して信頼を構築するために、複数の関係者からレコメンデーションを要求するシナリオを考察する。 収集レベルでは,エージェントが推薦の正確さを自己評価できるようにすることを提案する。 処理レベルでは,コラシオン攻撃に耐性のあるレコメンデーションアグリゲーション手法を提案する。
  論文  参考訳（メタデータ） (2020-06-09T00:34:11Z)

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。