論文の概要: GUIDE: Generative Utility Inference and Decision Engine

• arxiv url: http://arxiv.org/abs/2609.12137v1
• Date: Thu, 10 Sep 2026 19:12:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.521375
• Title: GUIDE: Generative Utility Inference and Decision Engine
• Title（参考訳）: GUIDE: ジェネレーティブなユーティリティ推論と決定エンジン
• Abstract要約: 会話を通じてユーザの好みを推測するLLM駆動型エレケーションアーキテクチャであるGUIDEを紹介する。 GUIDEは多様な質問への適応サンプリングを一般化する。 シンボリックルールに基づく学習プロセスを通じて、ドメイン固有の嗜好表現を生成する。
• 参考スコア（独自算出の注目度）: 47.51965836398949
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Measuring the preferences of human users remains a fundamental challenge of AI alignment. Existing elicitation approaches struggle to efficiently discover multidimensional preferences or accurately ground these inferences in domain knowledge. To address this, we introduce GUIDE, an LLM-driven elicitation architecture that infers user preferences through conversations by combining Bayesian adaptive sampling for question selection and symbolic representation learning to initialize domain-specific preference models. GUIDE generalizes adaptive sampling to diverse elicitation questions through an extensible type system of transforms on a parameterized preference state. GUIDE produces domain-specific preference representations through an initialization process using symbolic rule-based learning to capture world knowledge and set priors over preference dimensions grounded in data about decision alternatives. The architecture provides observability and steerability to facilitate deployment and analyze elicitation processes. In silico experiments on investment portfolio optimization demonstrate that GUIDE improves cold-start and minimizes recommendation regret consistently within early elicitation interactions across user personas compared to prior work, LLM-only baselines, and ablated GUIDE versions.
• Abstract（参考訳）: 人間のユーザの好みを測定することは、AIアライメントの根本的な課題である。 既存のエリケーションアプローチは、多次元の選好を効率的に発見したり、ドメイン知識にこれらの推論を正確に基礎付けるのに苦労する。 そこで我々は,質問選択のためのベイズ適応サンプリングと記号表現学習を組み合わせて,ドメイン固有の嗜好モデルを初期化することによって,会話を通じてユーザの嗜好を推測するGUIDEを提案する。 GUIDEは、パラメータ化された選好状態の変換の拡張可能な型システムを通じて、多様な勧誘質問への適応サンプリングを一般化する。 GUIDEは、記号規則に基づく学習を用いて、世界知識を捉える初期化プロセスを通じてドメイン固有の嗜好表現を生成し、意思決定代替案に関するデータに基づく選好次元よりも先を設定します。 このアーキテクチャは、デプロイを容易にし、エリテーションプロセスを分析するために、可観測性とステアビリティを提供する。 投資ポートフォリオ最適化に関するサイリコ実験では、GUIDEは、以前の作業、LCMのみのベースライン、改善されたGUIDEバージョンと比較して、ユーザペルソナ間での早期誘発インタラクションにおいて、冷間開始を改善し、後悔の最小化を図っている。

関連論文リスト

• Think2Go: Generative Next POI Recommendation with LLM Reasoning [57.37706163990998]
  Next Point-of-Interest (POI)レコメンデーションタスクは、ユーザの行動選好パターンを過去のチェックインからマイニングすることに焦点を当て、次の目的地へのパーソナライズされた提案を提供する。 既存の手法は、次のPOIを予測するために、浅いコンテキスト情報と手作りの特徴相互作用に依存している。 本稿では,SID表現の理解を深め,テスト時間計算による多様な時空間パターンを探索する新しい次世代POIレコメンデーションフレームワークThink2Goを提案する。
  論文  参考訳（メタデータ） (2026-07-31T03:52:20Z)
• RecNet: Self-Evolving Preference Propagation for Agentic Recommender Systems [109.9061591263748]
  RecNetは、レコメンデータシステムのための自己進化的な好みの伝達フレームワークである。 関連ユーザやアイテム間で、リアルタイムの好み更新を積極的に伝達する。 逆相では、フィードバック駆動の伝搬最適化機構がマルチエージェント強化学習フレームワークをシミュレートする。
  論文  参考訳（メタデータ） (2026-01-29T12:14:31Z)
• GEM: Generative Entropy-Guided Preference Modeling for Few-shot Alignment of LLMs [5.1816417820270075]
  本稿では,大規模言語モデル(LLM)のためのジェネレーティブエントロピー誘導選好モデリング手法GEMを提案する。 選好データに基づいて差別的な報酬モデルを訓練する代わりに、LLMを直接訓練してクローズドループ最適化アーキテクチャを内部化する。 一般的なベンチマークとドメイン固有のタスクの実験は、GEMが数ショットの選好データで大幅な改善を達成していることを示している。
  論文  参考訳（メタデータ） (2025-11-17T06:04:47Z)
• A Novel Self-Evolution Framework for Large Language Models [18.62332474172811]
  本稿では,ユーザの嗜好適応とドメイン固有能力を協調的に最適化する新しいDual-Phase Self-Evolutionフレームワークを提案する。 一般的なNLPベンチマークと長期対話タスクによる実験は、DPSEが常にSupervised Fine-Tuning、Preference Optimization、Memory-Augmented baselinesより優れていることを示している。
  論文  参考訳（メタデータ） (2025-07-21T06:30:39Z)
• Churn-Aware Recommendation Planning under Aggregated Preference Feedback [6.261444979025644]
  本稿では,近年の規制と技術の変化を動機とした逐次的意思決定問題について考察する。 我々はRec-APCモデルを導入し、匿名ユーザを既知の先行ユーザ型から抽出する。 最適ポリシが有限時間で純粋な利用に収束することを証明し、それらを効率的に計算するための分岐とバウンドのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-07-06T19:22:47Z)
• What Makes LLMs Effective Sequential Recommenders? A Study on Preference Intensity and Temporal Context [56.590259941275434]
  RecPOは、シーケンシャルなレコメンデーションのための優先順位最適化フレームワークである。 これは、推定された嗜好階層と時間信号に基づいて適応的な報酬マージンを利用する。 タイムリーな満足感、コヒーレントな嗜好の維持、変化する状況下での識別の行使など、人間の意思決定の重要な特徴を反映している。
  論文  参考訳（メタデータ） (2025-06-02T21:09:29Z)
• Large Language Model Empowered Recommendation Meets All-domain Continual Pre-Training [60.38082979765664]
  CPRecは、レコメンデーションのための全ドメイン連続事前トレーニングフレームワークである。 LLMを連続的な事前学習パラダイムを通じて、普遍的なユーザ行動と整合させる。 2つの異なるプラットフォームから5つの実世界のデータセットを実験する。
  論文  参考訳（メタデータ） (2025-04-11T20:01:25Z)
• Few-shot Steerable Alignment: Adapting Rewards and LLM Policies with Neural Processes [50.544186914115045]
  大きな言語モデル(LLM)は、日々のアプリケーションにますます組み込まれています。 個人ユーザの多様な嗜好との整合性を確保することは、重要な課題となっている。 数発のステアライメントのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-18T16:14:59Z)

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。