論文の概要: Balancing Trial and Reorder: A Hybrid Sequential Transformer-GBDT Ranker for On-Demand Delivery
- arxiv url: http://arxiv.org/abs/2609.16407v1
- Date: Mon, 14 Sep 2026 22:25:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.256438
- Title: Balancing Trial and Reorder: A Hybrid Sequential Transformer-GBDT Ranker for On-Demand Delivery
- Title（参考訳）: Balancing Trial and Reorder: オンデマンドデリバリのためのハイブリッドシークエンシャルトランスフォーマーGBDTランカ
- Abstract要約: We present Universal Venue Ranker (UVR), a production system deployed at Wolt。
UVRは4つの異なるランキングモデルを1つの統一システムに置き換える。
ラベルの平滑化と試行バイアスによるサンプル重み付けは、新店舗に向けてモデルを操り、オフライントライアルのMRRを生産前に+12%から+30%引き上げる。
- 参考スコア（独自算出の注目度）: 39.27725073249277
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: On a delivery platform, personalized store ranking greatly influences what users find and order. Unlike digital-only domains, candidate stores are local and bound by real-time availability and delivery operations. One central modeling tension is between surfacing new stores for trial and preserving ranking quality for sessions with reorder intent. We present Universal Venue Ranker (UVR), a production system deployed at Wolt that pairs a bidirectional transformer encoder for sequential user modeling with a GBDT ranker integrating contextual, user, and store features. Trained across all stores and domains of a country while enforcing local delivery constraints at inference, UVR replaces four previously separate ranking models (three for restaurants, one for retail) with a single unified system. Label smoothing and trial-biased sample weighting steer the model toward new stores, lifting offline trial MRR by +12% to +30% over production while regressing reorder MRR in five of six countries. These regressions leave Global CVR, our core online metric, which blends trial and reorder sessions, statistically unchanged. We validate UVR in three consecutive A/B tests, the first two across Wolt's largest operating markets and the third spanning all operating countries and both domains. UVR V1 delivers +5.5% Merchant Trial Rate and +0.16% Global CVR over the previous production ranker; V2 adds a further +0.45% Merchant Trial Rate on top; and V3, our cross-domain unification of the restaurant and retail rankers, adds a further +1.31% Retail Merchant Trial Rate, together accounting for substantial incremental gross order value and a materially simplified serving stack.
- Abstract（参考訳）: デリバリープラットフォームでは、パーソナライズされたストアのランキングは、ユーザーが見つけて注文するものに大きな影響を与える。
デジタルオンリーのドメインとは異なり、候補店はローカルで、リアルタイムの可用性とデリバリの操作に縛られている。
一つの中心的なモデリングの緊張は、試行錯誤のための新しい店舗を目立たせることと、リオーダー意図のあるセッションのランキング品質を維持することにある。
本稿では,UVR(Universal Venue Ranker)について紹介する。UVR(Universal Venue Ranker)は,双方向トランスフォーマーエンコーダと,コンテキスト,ユーザ,ストア機能を統合したGBDTローダを組み合わせる。
UVRは、国内のすべての店舗やドメインでトレーニングされ、推論時にローカルな配送制限を課し、以前は4つの異なるランキングモデル(レストランは3つ、小売店は1つ)を単一の統一システムで置き換えている。
ラベルの平滑化と試行バイアスによるサンプル重み付けは、新しい店舗に向けてモデルを操り、オフライントライアルのMRRを生産時に+12%から+30%引き上げ、また6か国中5か国でMRRの再注文を遅らせる。
これらのレグレッションは、トライアルとリオーダーセッションを混ぜ合わせた、統計的に変化のない、私たちのコアオンラインメトリックであるGlobal CVRに残っています。
UVRを3つの連続したA/Bテストで検証し、Woltの最大のオペレーティングマーケットで最初の2つ、すべてのオペレーティング国と両方のドメインで3つに分けて検証します。
UVR V1は前作より+5.5%のマーチャント・トライアルレートと+0.16%のグローバル・CVR、V2は+0.45%のマーチャント・トライアルレート、V3はレストランと小売店のクロスドメイン統合であり、さらに+1.31%のリテール・マーチャント・トライアルレート、さらに相当なインクリメンタルな総注文額と実質的なサービススタックを計上している。
関連論文リスト
- Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。
生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。
現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文 参考訳（メタデータ） (2026-08-17T09:53:27Z) - SalesLoop: Reinforcement Learning from Performance Feedback for Sales Lead Ranking [3.337528987886516]
SalesLoopは、ランク付け位置と変換速度によって重み付けされた変換結果をエンコードするパフォーマンス対応の報酬である。
SalesLoopはNDCG@Kを+7.9%改善し、P@Kを+15.8%改善した。
論文 参考訳（メタデータ） (2026-07-22T18:26:57Z) - Scaling and Stabilizing Large-Scale Embedding-Based Retrieval [16.34687313227663]
我々は、信号品質とモデル進化の両方に対処する統合パイプラインをウォルマートに展開する。
ドメイン固有の専門知識をレガシモデルから新しいバックボーンに転送するワームスタート蒸留技術を導入する。
提案されたパイプラインは実運用で展開され、NDCG@5で+7.34%改善され、収益で+0.50%上昇した。
論文 参考訳（メタデータ） (2026-07-11T03:24:26Z) - MolmoAct2: Action Reasoning Models for Real-world Deployment [67.6315757474802]
MolmoAct2は、実用的なデプロイメントのために構築された、完全にオープンなアクション推論モデルである。
空間的および具体的推論に特化した VLM バックボーンである MolmoER を紹介する。
低コストプラットフォームにまたがる3つの新しいデータセットをリリースする。
論文 参考訳（メタデータ） (2026-05-04T17:51:21Z) - ActuBench: A Multi-Agent LLM Pipeline for Generation and Evaluation of Actuarial Reasoning Tasks [0.0]
ActuBenchは、アクチュアリアセスメントアイテムの自動生成と評価のためのパイプラインである。
1つのエージェントがアイテムをドラフトし、1つはイントラクタを構築し、3つ目は独立して両方のステージを検証し、バウンドワンショットの修復ループを駆動する。
アイテム、モデルごとのレスポンス、完全なリーダーボードは、ブラウズ可能なWebインターフェースとして公開される。
論文 参考訳（メタデータ） (2026-04-22T07:20:03Z) - Let the Agent Steer: Closed-Loop Ranking Optimization via Influence Exchange [9.300614085821612]
大規模レコメンデーションシステムに展開された、最初の完全自律型LCMによるランキング最適化エージェントであるSortifyを提案する。
エージェントは、評価最適化を継続的影響交換として再設定し、診断からパラメータ展開までの完全なループを人間の介入なしに閉じる。
論文 参考訳（メタデータ） (2026-03-29T16:58:29Z) - RexBERT: Context Specialized Bidirectional Encoders for E-commerce [0.0]
RexBERTは、Eコマースセマンティクス向けに設計されたBERTスタイルのエンコーダのファミリーである。
Ecom-niverseは、様々な小売やショッピングソースからキュレートされた350億のトークンコーパスです。
我々は17Mから4MまでのRexBERTモデルをトレーニングし、トークン分類、意味的類似性、一般的な自然言語理解タスクに基づいて評価する。
論文 参考訳（メタデータ） (2026-02-04T14:32:37Z) - OneMall: One Architecture, More Scenarios -- End-to-End Generative Recommender Family at Kuaishou E-Commerce [68.7552227901176]
OneMallは、Kuaishouのeコマースサービスに適したエンドツーエンドのジェネレーティブレコメンデーションフレームワークである。
製品カード、ショートビデオ、ライブストリーミングなど、eコマースの複数のアイテム配信シナリオを統合する。
OneMallはすでにデプロイされており、Kuaishouでは毎日4億人のアクティブユーザーが利用している。
論文 参考訳（メタデータ） (2026-01-29T14:22:39Z) - InternVL3.5: Advancing Open-Source Multimodal Models in Versatility, Reasoning, and Efficiency [255.9417257812203]
InternVL 3.5は、多目的性、推論能力、推論効率を大幅に向上させる、オープンソースの新しいマルチモーダルモデルである。
主要なイノベーションはCascade Reinforcement Learningフレームワークで、2段階のプロセスを通じて推論を強化する。
我々の最大のモデルであるInternVL3.5-241B-A28Bは、一般的なマルチモーダル、推論、テキスト、エージェントタスクにわたるオープンソースのMLLMの最先端の結果を得る。
論文 参考訳（メタデータ） (2025-08-25T17:58:17Z) - Multiview Stereo with Cascaded Epipolar RAFT [73.7619703879639]
複数の校正画像から高密度点雲などの3次元モデルを再構成する重要な3次元視覚課題であるマルチビューステレオ(MVS)に対処する。
CER-MVSは、RAFT(Recurrent All-Pairs Field Transforms)アーキテクチャに基づく光学フローのための新しいアプローチであるCER-MVSを提案する。CER-MVSは、RAFTに5つの新しい変更を加える: エピポーラコストボリューム、コストボリュームカスケード、コストボリュームのマルチビュー融合、動的監視、深度マップのマルチ解像度融合。
論文 参考訳（メタデータ） (2022-05-09T18:17:05Z)
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。