論文の概要: QueryFormer: Winning Solution for KDD Cup 2026 Tencent UniRec Challenge
- arxiv url: http://arxiv.org/abs/2609.16548v1
- Date: Tue, 15 Sep 2026 02:46:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.314522
- Title: QueryFormer: Winning Solution for KDD Cup 2026 Tencent UniRec Challenge
- Title（参考訳）: QueryFormer: KDD Cup 2026 Tencent UniRec Challengeの優勝ソリューション
- Abstract要約: ポストクリック変換率(pCVR)予測は、機能相互作用とシーケンシャルなユーザの振る舞いを共同でモデル化する必要がある。
KDDカップ2026 Tencent UniRec Challengeは、両方に対処する統一アーキテクチャを求めている。
我々は、スタック可能な統一フィールド-シーケンスブロックを中心にしたQueryFormerを提案する。
- 参考スコア（独自算出の注目度）: 7.822815722530024
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Post-click conversion rate (pCVR) prediction requires jointly modeling feature interactions and sequential user behaviors. The KDD Cup 2026 Tencent UniRec Challenge calls for a unified architecture addressing both. We observe that existing unified architectures often generate query tokens---the central information hub---with projection-based multi-layer perceptrons (MLPs), without explicit token-to-query attention for refining the query side. We propose QueryFormer, centered on a stackable unified field--sequence block that bridges non-sequential multi-field features and behavioral sequences, and provide a latency-aware scaling study over view width $H$, model width, depth, data, and compute. The block generates queries through cross-attention and packs sequence queries into shared-parameter attention. QueryFormer secured 1st place in the Industrial Track, achieving an official test area under the ROC curve (AUC) of 0.83254; a modest post-competition scale-up reached 0.832713. Within our grid, $H$-scaling improves validation AUC from 0.84540 to 0.84615 and beats HyFormer at comparable budgets. Ablation identifies query generation as the largest contributor. Packed shared-parameter cross-attention keeps H=8 inference latency to only 1.89x that of H=1, positioning the bridge as an efficient stackable unified block.
- Abstract（参考訳）: ポストクリック変換率(pCVR)予測は、機能相互作用とシーケンシャルなユーザの振る舞いを共同でモデル化する必要がある。
KDDカップ2026 Tencent UniRec Challengeは、両方に対処する統一アーキテクチャを求めている。
既存の統一アーキテクチャでは,クエリ側を改良するための明示的なトークン・ツー・クエリの注意を払わずに,プロジェクションベースの多層パーセプトロン(MLP)とともに,中央情報ハブとしてクエリトークンを生成することが多い。
本稿では,非逐次的マルチフィールド特徴や動作シーケンスをブリッジする,スタック可能な統一フィールドシーケンスブロックを中心にしたQueryFormerを提案し,ビュー幅$H$,モデル幅,深さ,データ,計算のレイテンシを考慮したスケーリング調査を行う。
ブロックは、クロスアテンションを通じてクエリを生成し、シーケンスクエリを共有パラメータアテンションにパックする。
QueryFormerはインダストリアルトラックで1位を獲得し、RCC曲線(AUC)の0.83254で公式なテストエリアを達成した。
私たちのグリッド内では、$H$-scalingが検証AUCを0.84540から0.84615に改善し、同等の予算でHyFormerを破ります。
Ablationはクエリ生成を最大のコントリビュータとして特定する。
パッケージ化された共有パラメータのクロスアテンションは、H=8の推論遅延をH=1の1.89倍に保ち、橋を効率的なスタック可能な統一ブロックとして位置づける。
関連論文リスト
- From Feature Interaction to Feature Transport - A Unified Block for Scalable Recommendation Models [4.383699698098325]
統一レコメンデーションモデルは、非逐次的マルチフィールド特徴とシーケンシャルなユーザ動作を共同でモデル化することを目的としている。
スケーラブルな統一的なレコメンデーションは、スタックされたブロックをまたいだインテント情報の転送、フィルタリング、保存の制御も必要である、と我々は主張する。
我々は、深層統合レコメンデーションを個別の文脈条件の表現進化過程として扱う特徴伝達(Feature transport)を導入する。
論文 参考訳（メタデータ） (2026-08-31T10:08:40Z) - Hi-Q: Hierarchical Evidence-guided Query Refinement for Multi-Hop Question Answering [13.249024309069236]
Hi-Qは階層的なクエリ改善のためのエビデンス条件付きフレームワークである。
我々は3つのマルチホップ質問回答(QA)ベンチマークでHi-Qを評価する。
論文 参考訳（メタデータ） (2026-08-31T08:55:07Z) - SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。
正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。
変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
論文 参考訳（メタデータ） (2026-08-04T13:16:15Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - From Item-Only to Query-Item: Query-Conditioned Generative Search with QGS in Quark [8.408261237886899]
生成シーケンスモデルは推奨に強い結果を示している。
それらを検索ランキングに適用することは、もっと難しい。
本稿では,QGS(Query-Conditioned Generative Search)を提案する。
論文 参考訳（メタデータ） (2026-05-25T07:18:51Z) - Formulating Subgroup Discovery as a Quantum Optimization Problem for Network Security [0.21485350418225238]
サブグループディスカバリ(SD)は、アタックトラフィックに関連する機能インタラクションを特徴付けるルールを構築することで対処する。
本稿では,NSL-KDDを用いたネットワーク侵入検出に応用したSD用量子拡張パイプラインを提案し,SDを量子最適化として初めて定式化した。
論文 参考訳（メタデータ） (2026-04-29T20:00:31Z) - SQL-ASTRA: Alleviating Sparse Feedback in Agentic SQL via Column-Set Matching and Trajectory Aggregation [51.696027315573296]
本稿では,効率的な軌道レベル評価と高密度ステップレベル信号の提供を目的とした,普遍的な2層報酬機構を特徴とするフレームワークを提案する。
伝統的なパラダイムでは、報酬は最終ターンのフィードバックによってのみ決定され、中間プロセスを無視し、曖昧な信用評価をもたらす。
提案手法は,同一モデルを用いてBIRD 2.0上でのSOTA Arctic-Text2-R1-7Bより優れており,頑健なマルチターンエージェントのパラダイムに向けてテキストから逆収束を推進していることを示す。
論文 参考訳（メタデータ） (2026-03-17T06:26:36Z) - Hybrid Deep Searcher: Integrating Parallel and Sequential Search Reasoning [57.78245296980122]
本稿では,自然質問から自動生成されるデータセットであるHDS-QA(Hybrid Deep Search QA)を紹介する。
並列化可能な独立サブクエリ(同時に実行可能)と逐次依存サブクエリ(ステップバイステップの解決を必要とする)を組み合わせたハイブリッドホップ質問を含む。
モデルの名称はHybridDeepSearcherで、複数のベンチマークで最先端のベースラインを上回っています。
論文 参考訳（メタデータ） (2025-08-26T15:15:17Z) - OpenTable-R1: A Reinforcement Learning Augmented Tool Agent for Open-Domain Table Question Answering [0.0]
オープンドメインのテーブルの問合せは伝統的に2段階のパイプラインに依存している。
本稿では,大規模言語モデルにマルチターンツールコールを組み込むエンドツーエンドのエージェントフレームワークを提案する。
この統一されたアプローチにより、モデルはクエリを共同で検索、推論、実行することが可能になり、劇的な精度の向上が得られる。
論文 参考訳（メタデータ） (2025-07-02T13:54:54Z) - CART: A Generative Cross-Modal Retrieval Framework with Coarse-To-Fine Semantic Modeling [53.97609687516371]
クロスモーダル検索は、異なるモーダルデータの相互作用を通じて、クエリと意味的に関連するインスタンスを検索することを目的としている。
従来のソリューションでは、クエリと候補の間のスコアを明示的に計算するために、シングルトウワーまたはデュアルトウワーのフレームワークを使用している。
粗大なセマンティックモデリングに基づく生成的クロスモーダル検索フレームワーク(CART)を提案する。
論文 参考訳（メタデータ） (2024-06-25T12:47:04Z) - Efficient k-NN Search with Cross-Encoders using Adaptive Multi-Round CUR
Decomposition [77.4863142882136]
クロスエンコーダモデルは、直接k-nearest neighbor(k-NN)サーチには不当に高価である。
本稿では,現実的に重要なトップk近傍の近似誤差を適応的に,反復的に,効率的に最小化するADACURを提案する。
論文 参考訳（メタデータ） (2023-05-04T17:01:17Z) - Reference Twice: A Simple and Unified Baseline for Few-Shot Instance Segmentation [103.90033029330527]
FSIS(Few-Shot Instance)は、サポート例が限定された新しいクラスの検出とセグメンテーションを必要とする。
我々は、FSISのサポートとクエリ機能の関係を利用するための統合フレームワーク、Reference Twice(RefT)を導入する。
論文 参考訳（メタデータ） (2023-01-03T15:33:48Z)
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。