論文の概要: Nearest but Not Dearest: Shared Curator-Feedback Infrastructure for Content-Only Search and Recommendation

• arxiv url: http://arxiv.org/abs/2609.30568v1
• Date: Thu, 24 Sep 2026 21:26:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.145001
• Title: Nearest but Not Dearest: Shared Curator-Feedback Infrastructure for Content-Only Search and Recommendation
• Title（参考訳）: もっとも近いが難しくない:コンテンツオンリー検索とレコメンデーションのための共有キュレーターフィードバック基盤
• Abstract要約: B2Bの音楽発見プラットフォームは、クエリ駆動検索(テキストプロンプト)とシード駆動レコメンデーション(シードトラックとアーティストステーション)の両方を1つのライセンスカタログで提供している。 このサウンド-vs-コンテキスト分解をフィードバックインフラストラクチャとしてデプロイし、各障害モードを吸収可能なレイヤにルーティングします。 1200のキュレーターの判断が1ヶ月離れた2回の生産ラウンドで集められ、合計で38.17%から28.83%に減少する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A deployed B2B music-discovery platform serves both query-driven search (text prompts, vibe tags) and seed-driven recommendation (seed-track and artist stations) over one licensed catalog, one LAION-CLAP joint audio-text embedding space, one candidate-generation filter, and one ranking head -- and neither path consumes end-listener behavioral signal. In this content-only regime, curator judgment is the principal feedback signal available, and offline cosine similarity predicts it poorly: 38% of cosine-nearest neighbors are rejected by curators. The rejections reveal a clean partition: a majority (55%) are sound failures the encoder could address (style, tempo, mood mismatch), and a substantial minority (37%) are context failures orthogonal to the waveform (wrong language, holiday content, devotional content, rights and lyric flags). We deploy this sound-vs-context decomposition as feedback infrastructure, routing each failure mode to the layer that can absorb it: context failures to a constraint filter at candidate generation, sound failures to an embedding reweighting head at the representation layer -- both below the search/recommendation split, so a single curator loop maintains both experiences. On 1,200 curator judgments collected over two production rounds one month apart, the combined intervention reduces rejection rate from 38.17% to 28.83% (-24.5% relative, McNemar chi-squared = 22.4, p = 2.2e-6). An accounting decomposition attributes 4.08 pp of the drop to filter-eligible categories and 5.25 pp to the rest; the deployment was unblinded and compound, so this is a production accounting bound, not a causal estimate. We present this as an industrial case study rather than a validated general method, and close with lessons for content-only discovery: the failure partition is orthogonal to the paradigm partition, and corrections land in layers shared by both paradigms.
• Abstract（参考訳）: デプロイされたB2B音楽発見プラットフォームは、クエリ駆動検索(テキストプロンプト、ビブタグ)とシード駆動レコメンデーション(シードトラックとアーティストステーション)を1つのライセンスカタログ、LAION-CLAPジョイントオーディオテキスト埋め込みスペース、候補生成フィルタ、ランキングヘッドの両方を提供する。 この内容のみの体制では、キュレーター判定は利用可能な主要なフィードバック信号であり、オフラインのコサイン類似性はそれを予測しがたい。 大多数(55%)はエンコーダが対応できる健全な障害(スタイル、テンポ、ムードミスマッチ)であり、かなりの少数(37%)は波形に直交するコンテキスト障害(言語、休日コンテンツ、献身的内容、権利、歌詞の旗)である。 我々は、このサウンド-vs-コンテキスト分解をフィードバックインフラストラクチャとしてデプロイし、各障害モードを吸収可能な層にルーティングする。 1200のキュレーターの判定は1ヶ月に2回の生産ラウンドで行われ、合計で38.17%から28.83%に減少する(-24.5%、McNemar chi-squared = 22.4, p = 2.2e-6)。 計4.08 pp の減少がフィルター許容カテゴリーに、5.25 pp は残りであり、展開は盲検で複雑であったため、これは因果推定ではなく生産会計の限界である。 本研究は, 実証された一般手法ではなく, 産業ケーススタディとして, かつ, コンテンツのみの発見の教訓と密接な関係を呈する。

関連論文リスト

• Threshold Choice, Not Sample Size, Bounds Trustless Verification of Nondeterministic Compound AI Workflows [0.0]
  複合AIパイプライン LLMコール、レトリバー、ツールは非決定論的である。 各ステージのインプット、アウトプット、コンテキストのダイジェストをコミットします。 合成HotpotQAパイプラインでは、校正された固定しきい値が45個の正直な複製のうち44個を受け入れ、105個の発散ペアのうち104個を拒絶する。
  論文  参考訳（メタデータ） (2026-09-07T22:10:54Z)
• 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)
• Structure-Aware Semantic Chunking with Title-Chain Prefixes: A 1600-Query Evaluation and the Measurement Trap in Text-Transform Ablations [4.342406076796542]
  3段階のチャンク側のみのセマンティックチャンクパイプラインを提示する。 タイトルチェーンは、生成された要約ではなく、文書のヘッダ階層を再利用する。 パイプラインは完全なセットでMRR@5を0.374から0.463に、答え可能なサブセットで0.828から0.925に改善する。
  論文  参考訳（メタデータ） (2026-08-01T19:01:46Z)
• Win by Silence: Deletion Non-Monotonicity, Autonomous Exploitation, and Typed-State Gating in LLM Plan Evaluation [0.0]
  計画評価者は、明確化の少ない戦略的計画に報いることができる。 GATEは、単にポストホックフィルタではなく、決定論的検索整形制約として機能する。
  論文  参考訳（メタデータ） (2026-07-14T17:29:28Z)
• ScoreGate: Adaptive Chunk Selection for Retrieval-Augmented Generation via Dual-Score Statistical Fusion [0.0]
  本稿では,ScoreGateについて述べる。ScoreGateは軽量なスコア空間決定機構で,推定時刻における検索濃度を制御する。 MS MARCO (200 開発クエリ)では、ScoreGate は MRR@10 = 0.401 を達成する。 MS MARCOと実世界の生産トラフィックの結果から,適応的検索基準は検索品質を劣化させることなく,検索効率を向上させることが示唆された。
  論文  参考訳（メタデータ） (2026-06-12T08:51:24Z)
• AbstRAG: Learning to Abstract for Retrieval Problems [23.379898867224355]
  AbstRAGは、クエリ-エビデンスギャップを、式、概念、インテント-エビデンス、イベントタイプコンポーネントに分解する。 21対のブートストラップのコントラストのうち18のnDCG@10よりも優れており、生成精度は1.9%、5.2%、および4.0%向上している。
  論文  参考訳（メタデータ） (2026-06-08T13:14:01Z)
• Ghost: Plausible Yet Unlearnable Trajectories via On-Manifold Substitution for Next-POI Privacy [34.07056031726073]
  チェックイントラジェクトリをリリースするパブリッシャは、ユーザの将来位置の強い予測器を不注意に公開する。 このリスクに対処するために、クリーンなテスト入力に対して次点次点(next-POI)の精度を低下させた被害者モデルを生成する、学習不能なトラジェクトリ、摂動シーケンスを生成する。 我々はGhostを提案する。Ghostは、摂動が人間のチェックインシーケンスのように見えるが、学習可能な信号は残っていない。
  論文  参考訳（メタデータ） (2026-06-02T14:31:14Z)
• What Are We Actually Decoding? Source Attribution for Non-Invasive Brain-to-Language Retrieval [42.66754319854329]
  我々は,刺激同期MEG-to-audio検索を監査フレームワークとして再放送した。 構造的ショートカット、ウィンドウレベルの刺激ロックされたエビデンス、ウィンドウ間のコンテキストアグリゲーションを使用します。 これらの結果は、脳から言語へのパフォーマンスは、単に報告されるのではなく、ソース属性であるべきだことを示唆している。
  論文  参考訳（メタデータ） (2026-05-23T11:23:39Z)
• IntRec: Intent-based Retrieval with Contrastive Refinement [42.24292951933703]
  IntRecは対話型オブジェクト検索フレームワークで、ユーザーのフィードバックに基づいて予測を洗練する。 中心となるIntent State(IS)は、正のアンカー(確認されたキュー)と負の制約(拒絶された仮説)のための二重メモリセットを維持する。
  論文  参考訳（メタデータ） (2026-02-19T18:50:53Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• Collaborative Group: Composed Image Retrieval via Consensus Learning from Noisy Annotations [67.92679668612858]
  我々は,集団が個人より優れているという心理的概念に触発されたコンセンサスネットワーク(Css-Net)を提案する。 Css-Netは,(1)コンセンサスモジュールと4つのコンセンサスモジュール,(2)コンセンサス間の相互作用の学習を促進するKulback-Leibler分散損失の2つのコアコンポーネントから構成される。 ベンチマークデータセット、特にFashionIQでは、Css-Netが大幅に改善されている。特に、R@10が2.77%、R@50が6.67%増加し、リコールが大幅に向上している。
  論文  参考訳（メタデータ） (2023-06-03T11:50:44Z)

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。