論文の概要: EvoRank: LLM-Guided Evolution of Multi-Objective Learning-to-Rank Pipelines

• arxiv url: http://arxiv.org/abs/2609.22196v1
• Date: Sun, 30 Aug 2026 09:02:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.767347
• Title: EvoRank: LLM-Guided Evolution of Multi-Objective Learning-to-Rank Pipelines
• Title（参考訳）: EvoRank: LLMによる多目的学習・学習パイプラインの進化
• Abstract要約: EvoRankは、多目的eコマース検索のための、オープンな自律的なランキングエンジニアである。 3つの独立した実行は、60kのホールドアウトクエリでOptunaでチューニングされたLambdaを破る解釈可能なパイプライン上で、50イテレーション以内に収束する。 システム、監査ツール、障害モードのカタログをガードレールでリリースし、チームが自分たちのランキングスタックにプロシージャを適用できるようにします。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present EvoRank, an open autonomous ranking engineer: an LLM-guided evolutionary loop that discovers complete Learning-to-Rank pipelines (features, models, losses, ensembles) for multi-objective e-commerce search. On the Expedia ICDM 2013 dataset, with relevance, conversion, and revenue as competing objectives, three independent runs each converge within 50 iterations (about ten dollars) on interpretable pipelines that beat an Optuna-tuned LambdaMART on 60k held-out queries, an advantage that persists at full data scale and places in the top 6 percent of the original competition. A first campaign, evolving only training objectives, builds the central design rule: it appeared to work on its selection fold (the small dataset it uses to pick winners) while a transfer audit, re-scoring winners on held-out data, showed the gains were almost entirely fitness noise (the randomness of its own scoring), and neither seeded domain knowledge nor richer diagnostic feedback changed what transferred. The deciding quantity is measurable in advance: search-space headroom relative to fitness noise. We package this as a headroom gate that predicts, before any LLM spend, whether the loop will pay off, and we release the system, the auditing tools, and a catalog of failure modes with their guardrails, so teams can apply the procedure to their own ranking stacks.
• Abstract（参考訳）: 我々は、オープンな自律的なランキングエンジニアであるEvoRankを紹介します。LLM誘導進化ループは、多目的eコマース検索のための完全なラーニング・トゥ・ランド・パイプライン(機能、モデル、損失、アンサンブル)を発見します。 Expedia ICDM 2013データセットでは、競合する目標として、関連性、変換、収益の面で、3つの独立した実行がそれぞれ50イテレーション(約10ドル)以内で、60kのホールドアウトクエリでOptunaでチューニングされたLambdaMARTを破る解釈可能なパイプラインに収束する。 最初のキャンペーンでは、トレーニング目的だけを進化させ、中心的なデザインルールを構築した。それは、選択(勝者を選ぶために使用する小さなデータセット)で作業しているように見える一方で、転送監査、保留データの再スコア付け、ゲインがほぼ完全にフィットネスノイズ(自身のスコアのランダム性)であり、シードドメイン知識も、よりリッチな診断フィードバックも、移行したものを変えていないことを示した。 判定量は、前もって測定可能であり、フィットネスノイズに対する探索空間ヘッドルームである。 私たちはこれをヘッドルームゲートとしてパッケージ化し、LCMが料金を支払う前にループが支払うかどうかを予測し、システム、監査ツール、障害モードのカタログをガードレールでリリースします。

関連論文リスト

• Can LLM Rerankers Predict Their Own Ranking Performance? [73.21268576961573]
  テキスト・リランカ内部QPPについて検討し, LLMリランカが生成したランキングの質を推定できるか? 学習自由度推定には, サンプルランキング間の距離特異な自己整合性と, リランカが直接生成する言語的信頼度を検討した。 TREC Deep Learning 2019--2022の4つのLCMによる実験では、自己整合性は最先端(SOTA)アプローチと競合し、ほぼすべての設定でキャリブレーションが向上している。 言語的信頼を改善するために,2つの教師付き方法,Verbを提案する。
  論文  参考訳（メタデータ） (2026-06-02T11:57:27Z)
• 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)
• MindGames Arena Generalization Track: In2AI Solution with Delayed Per-Step Reward Attribution [45.957713330643934]
  マルチエージェント戦略相互作用のための言語モデルエージェントの訓練は、中核的な困難をもたらす。 標準的な強化学習では、報酬は各ステップで割り当てられると仮定しているが、この仮定は時間とエージェントの間で結果が絡み合っている環境では失敗する。 我々は,段階ごとの報酬帰属の遅れに,適度ゲーティング,エピソードライフサイクル,後処理パイプラインを導入している。
  論文  参考訳（メタデータ） (2026-04-13T23:59:03Z)
• S3-CoT: Self-Sampled Succinct Reasoning Enables Efficient Chain-of-Thought LLMs [48.80914119283909]
  チェーン・オブ・シークレット(CoT)を備えた大規模言語モデルは、強力なパフォーマンスを実現し、振る舞いの窓を提供する。 最近の証拠は、CoT能力の改善には冗長な推論プロセスが伴うことを示唆している。 本研究では,効率的なCoT学習のためのアクティベーションステアリングに基づく自己サンプリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-02T11:37:36Z)
• R1-Ranker: Teaching LLM Rankers to Reason [35.35360001710222]
  R1-Rankerは強化学習に基づく推論インセンティブフレームワークである。 IRankerは、より深い推論を促進するために、段階的な報酬でランク付けを反復的排除プロセスに分解する。 我々は、レコメンデーション、ルーティング、通過ランキングにまたがる9つのデータセットに基づいて、統一されたR1-Rankerを評価した。
  論文  参考訳（メタデータ） (2025-06-25T17:56:06Z)
• Dynamic Uncertainty Ranking: Enhancing Retrieval-Augmented In-Context Learning for Long-Tail Knowledge in LLMs [50.29035873837]
  大規模言語モデル(LLM)は、事前訓練中に多様なドメインから膨大な量の知識を学習することができる。 専門ドメインからの長い尾の知識は、しばしば不足し、表現されていないため、モデルの記憶にはほとんど現れない。 ICLの強化学習に基づく動的不確実性ランキング手法を提案する。
  論文  参考訳（メタデータ） (2024-10-31T03:42:17Z)
• Routing to the Expert: Efficient Reward-guided Ensemble of Large Language Models [69.51130760097818]
  本研究では,報奨誘導型ルーティング手法であるZooterを提案する。 さまざまなドメインやタスクについて26のサブセットを持つ総合的なベンチマークコレクション上でZooterを評価する。
  論文  参考訳（メタデータ） (2023-11-15T04:40:43Z)
• Is ChatGPT Good at Search? Investigating Large Language Models as Re-Ranking Agents [53.78782375511531]
  大規模言語モデル(LLM)は、様々な言語関連タスクにまたがる顕著なゼロショットの一般化を実証している。 本稿では、情報検索(IR)における関連性ランキングのためのジェネレーティブLLMについて検討する。 LLMのデータ汚染に関する懸念に対処するため,我々はNovereEvalという新しいテストセットを収集した。 実世界のアプリケーションの効率を向上させるため、ChatGPTのランキング能力を小さな特殊モデルに蒸留する可能性を探る。
  論文  参考訳（メタデータ） (2023-04-19T10:16:03Z)

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。