論文の概要: VARG: Value-Aware and Ranking-Aligned Generative Retrieval for Dynamic E-commerce Search
- arxiv url: http://arxiv.org/abs/2609.14493v1
- Date: Sun, 13 Sep 2026 12:59:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.829116
- Title: VARG: Value-Aware and Ranking-Aligned Generative Retrieval for Dynamic E-commerce Search
- Title（参考訳）: VARG:動的Eコマース検索のための価値認識とランク付け対応ジェネレーティブ検索
- Abstract要約: VARGはTmall App検索用の生成検索システムで、生成したアイテム候補を既存の最終ランク付け者に直接承認する。
3段階の教師による微調整は、アイテム・ツー・アイデンティティーのマッピング、クエリ・セマンティック検索、パーソナライズされた検索を徐々に学習する。
Prefix-GRPOは、出力の合法性、ユーザ行動、ランキングの優位性、検索関連性に基づくゲート報酬とプレフィックス対応トークン重み付けを組み合わせ、候補生成をビジネス価値とランキング目標に整合させる。
- 参考スコア（独自算出の注目度）: 7.64283018838172
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Integrating recall and pre-ranking in e-commerce search requires candidate generation to account for relevance, personalization, and business value before final ranking. To this end, we present VARG, a generative retrieval system for Tmall App search that directly admits generated item candidates to the existing final ranker. VARG-ID constructs semantic prefixes using RQ-VAE, enhances search relevance through bidirectional query-item contrastive learning, and combines these prefixes with a value-ordered third token to provide fine-grained item addresses and a business-value prior. Three-stage supervised fine-tuning progressively learns item-to-identifier mappings, query-semantic retrieval, and personalized retrieval. Personalized model training combines value-aware and hierarchy-aligned supervision with expanded user context, and uses local ordinal supervision (LO-SFT) to learn the local within-cluster ordering encoded by the third token. Prefix-GRPO combines gated rewards based on output legality, user behavior, ranker advantage, and search relevance with prefix-aware token weighting to align candidate generation with business value and ranking objectives. Coordinated daily product and model updates preserve existing item addresses while incorporating new products and behavioral feedback. Offline experiments on tens of millions of products validate identifier stability and demonstrate gains in retrieval quality and head-level value recall from SFT strategies and Prefix-GRPO over their respective baselines. In a 14-day online A/B test covering 20% of search traffic, VARG directly admits generated candidates to the final ranker and improves GMV by 1.45%, per-user IPV by 0.22%, and PCTR by 0.31%. Online shopping-guide query evaluations further show that VARG maintains competitive relevance with a smaller candidate quota.
- Abstract（参考訳）: 電子商取引検索におけるリコールとプリランクの統合には、最終ランキングの前に関連性、パーソナライゼーション、ビジネス価値を考慮に入れなければならない。
そこで本研究では,Tmall App検索のための生成検索システムであるVARGについて述べる。
VARG-IDは、RQ-VAEを使用してセマンティックプレフィックスを構築し、双方向クエリ-イデムコントラスト学習による検索関連性を高め、これらのプレフィックスを値順序の3番目のトークンと組み合わせて、きめ細かいアイテムアドレスとビジネス-バリュー事前を提供する。
3段階の教師による微調整は、アイテム・ツー・アイデンティティーのマッピング、クエリ・セマンティック検索、パーソナライズされた検索を徐々に学習する。
パーソナライズされたモデルトレーニングは、バリューアウェアと階層に整合した監視と拡張されたユーザコンテキストを組み合わせることで、ローカルな順序管理(LO-SFT)を使用して、第3のトークンによって符号化されたローカルなクラスタ内注文を学習する。
Prefix-GRPOは、出力の合法性、ユーザ行動、ランキングの優位性、検索関連性に基づくゲート報酬とプレフィックス対応トークン重み付けを組み合わせ、候補生成をビジネス価値とランキング目標に整合させる。
毎日のプロダクトとモデルの更新は、新しいプロダクトと行動フィードバックを取り入れながら、既存のアイテムアドレスを保存する。
何千万もの製品に対するオフライン実験は、識別子の安定性を検証し、SFT戦略とPrefix-GRPOからの検索品質とヘッドレベル値のリコールがそれぞれのベースライン上で向上することを示す。
検索トラフィックの20%をカバーする14日間のオンラインA/Bテストでは、VARGは生成した候補を最終ランク付け者に直接認め、GMVを1.45%改善し、ユーザ当たりのPVを0.22%改善し、PCTRを0.31%改善した。
オンラインショッピングガイドクエリの評価は、VARGがより小さな候補クォータとの競合関係を維持していることを示している。
関連論文リスト
- TSGR: Taobao Search Generative Retrieval [32.4338892898415]
アイテム表現と候補ランキングの両方に価値意識を組み込んだ統合生成検索フレームワークを提案する。
$textbfT$aobao $textbfS$earch $textbfG$enerative $textbfR$etrieval$textbfTSGR$
GRで構築され、共同で最適化された$textbfVRM$により、単一のモデルをレトリバーとプリランカの両方としてシームレスに機能させることができる。
論文 参考訳（メタデータ） (2026-07-21T07:17:43Z) - Beyond Semantic IDs: Encoding Business-Value Ranking into Document Identifiers for Generative Retrieval [28.485766948414206]
Generative Retrieval (GR) は、シーケンシャル・ツー・シーケンス生成タスクとして検索を定式化し、各ドキュメントにドキュメント識別子(DocID)を割り当て、自動回帰復号による検索を行う。
離散表現学習に基づく既存のスキームは、固有の衝突問題に悩まされる。
本稿では、DocIDをセマンティッククラスタリングとビジネス価値ランキングに分離し、衝突のない識別子を生成するCRID(Cluster-Ranked Identifier)を提案する。
論文 参考訳（メタデータ） (2026-07-13T10:57:20Z) - Efficient Generative Retrieval for E-commerce Search with Semantic Cluster IDs and Expert-Guided RL [8.046510111008638]
生成検索は、断片化された多段階検索プロセスを単一のエンドツーエンドモデルに統一することで、有望な代替手段を提供する。
本稿では,実世界のリコールシナリオに適した検索フレームワークを提案し,生成的検索をエンド・ツー・エンドの置き換えではなく,リコール・ステージ・サプリメントとして位置付ける。
論文 参考訳（メタデータ） (2026-05-14T06:27:46Z) - Aligning Large Language Models with Searcher Preferences [26.974618053554394]
オープンな生成検索のための最初の大規模言語モデル(LLM)であるSearchLLMを紹介する。
ボトムライン制約を分離する階層型多次元報酬システムの設計を行う。
オフライン評価とオンラインA/Bテストでは、生成品質とユーザエンゲージメントが改善されている。
論文 参考訳（メタデータ） (2026-03-11T06:44:30Z) - GRank: Towards Target-Aware and Streamlined Industrial Retrieval with a Generate-Rank Framework [47.25361445845229]
産業規模のレコメンデータシステムはカスケードパイプラインに依存しており、検索段階では何十億ものアイテムから設定されたハイリコール候補を厳格なレイテンシで返さなければならない。
本稿では,ユーザ中心の検索とターゲット認識学習をシームレスに統一する新しい構造化インデックスフリー検索パラダイムであるGRankを提案する。
論文 参考訳（メタデータ） (2025-10-17T04:15:09Z) - FORGE: Forming Semantic Identifiers for Generative Retrieval in Industrial Datasets [64.51403245281547]
FORGEは、産業データセットを使ったジェネレーティブrEtrievalにおけるFOrmingセマンティック識別のベンチマークである。
現実世界のアプリケーションでは、オンラインコンバージェンスを半減するオフライン事前トレーニングスキーマが導入されている。
論文 参考訳（メタデータ） (2025-09-25T08:44:22Z) - OneSearch: A Preliminary Exploration of the Unified End-to-End Generative Framework for E-commerce Search [43.94443394870866]
OneSearchは、eコマース検索のための最初の産業向けエンドツーエンド生成フレームワークである。
OneSearchは運用費を75.40%削減し、Model FLOPsの利用を3.26%から27.32%に改善した。
このシステムはKuaishouの複数の検索シナリオにまたがって展開され、数百万のユーザーにサービスを提供している。
論文 参考訳（メタデータ） (2025-09-03T11:50:04Z) - DeepShop: A Benchmark for Deep Research Shopping Agents [70.03744154560717]
DeepShopは、複雑なリアルなオンラインショッピング環境でWebエージェントを評価するために設計されたベンチマークである。
5つの人気のあるオンラインショッピングドメインに多様なクエリを生成します。
エージェントの性能をきめ細かな面から評価する自動評価フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-03T13:08:17Z) - Recommender Systems with Generative Retrieval [58.454606442670034]
本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。
そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。
提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2023-05-08T21:48:17Z) - CRACT: Cascaded Regression-Align-Classification for Robust Visual
Tracking [97.84109669027225]
改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。
CRACは多くのベンチマークで最先端のパフォーマンスを得る。
OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
論文 参考訳（メタデータ） (2020-11-25T02:18:33Z)
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。