論文の概要: Recommendation World Models for Future-State Control

• arxiv url: http://arxiv.org/abs/2609.30711v1
• Date: Fri, 25 Sep 2026 02:37:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.189424
• Title: Recommendation World Models for Future-State Control
• Title（参考訳）: 将来制御のための勧告世界モデル
• Abstract要約: 我々は、訓練されたランク付け者が将来の結果についての意思決定を支援する方法について研究する。 UA-TWM(UA-TWM)は,近傍のスレート動作を構成するユーティリティアンコールなワールドモデルインタフェースである。 本研究は,MovieLens-25MとKuaiRand-Pureにおける12の逐次バックボーン間の移動と,KuaiSimにおけるターゲット指向インタラクションの繰り返しを評価する。
• 参考スコア（独自算出の注目度）: 53.191633845200876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sequential recommendation optimizes which items to rank, while each displayed slate also shapes subsequent feedback and user state. We study how a trained ranker can support decisions about these future consequences. We introduce UA-TWM, a utility-anchored world-model interface that constructs nearby slate actions, estimates their target-relevant consequences, and selects an alternative subject to utility constraints. The reference slate serves as a fallback when no alternative qualifies. A logged-replay instantiation combines utility and target-gain estimates with calibrated failure-risk prediction; a closed-loop instantiation uses one-step state-action prediction and updates its decisions after observed feedback. We evaluate transfer across twelve sequential backbones on MovieLens-25M and KuaiRand-Pure, and repeated target-directed interaction in KuaiSim. Attaching the interface improves Recall@20, NDCG@20, and future-state alignment for every matched logged backbone. Selection ablations reveal the utility and risk costs of aggressive target pursuit, while closed-loop diagnostics isolate the contribution of action-conditioned prediction. Local consequence modeling thus enables target-aware selection around a trained sequential ranker.
• Abstract（参考訳）: シークエンシャルレコメンデーションは、どのアイテムをランク付けするかを最適化する一方、表示された各スレートは、その後のフィードバックとユーザ状態も形成する。 トレーニングされたランク付け者が、これらの将来の結果に関する意思決定を支援する方法について検討する。 UA-TWMは,近隣のスレート行動を構成するユーティリティアンコールな世界モデルインタフェースであり,それらのターゲット関連の結果を推定し,ユーティリティ制約に対する代替案を選択する。 参照スレートは、代替が適格でない場合にフォールバックとして機能する。 ログ再生インスタンス化は、実用性と目標ゲイン見積とキャリブレーションされた障害リスク予測を組み合わせる。クローズドループインスタンス化は、1ステップの状態アクション予測を使用し、観察されたフィードバックの後にその決定を更新する。 本研究は,MovieLens-25MとKuaiRand-Pureにおける12の逐次バックボーン間の移動と,KuaiSimにおけるターゲット指向インタラクションの繰り返しを評価する。 インターフェースのアタッチは、Recall@20、NDCG@20、およびマッチしたログバックボーン毎の将来の状態アライメントを改善している。 選択の短縮は攻撃的目標追尾の有用性とリスクコストを明らかにし、クローズドループ診断は行動条件付き予測の寄与を分離する。 これにより、トレーニングされたシーケンシャルローダの周囲のターゲット・アウェアの選択が可能になる。

関連論文リスト

• PredActor: Predictive Action Diffusion for Steerable Onboard Humanoid Control [49.348182500314614]
  アクションのみの拡散は直接アクションを生成するが、テスト時間運動の目的に対する明示的な将来の軌道は欠如している。 連立状態-作用拡散はこの表現を提供するが、代表コントローラはしばしば特権付きフルボディ状態に依存する。 提案するPredActorは,これらのステアリング機能を,直接実行されるポリシに組み込む,予測的行動拡散ポリシである。
  論文  参考訳（メタデータ） (2026-09-21T16:20:25Z)
• SCOPE: Score-Isolated Agentic Optimization for Video World Models [36.33795023988805]
  スコープは、凍結したビデオワールドモデルの監査可能な推論時間適応のためのフレームワークである。 ビデオワールドモデルは、意思決定の計画と具体化のためのシミュレータとして、ますます使われている。
  論文  参考訳（メタデータ） (2026-08-15T05:08:28Z)
• SpikeWorld: Fast-State Adaptation for Frozen Spiking World Models [0.0]
  ヘテロジニアスな感覚予測,セマンティクス,画像テキストバインディング,動作条件付きダイナミクスを共同で訓練した1.45MスパーススパイキングモデルであるSpikeWorldを紹介する。 共同最適化により、アクション次世代MSEは17.10%改善され、マルチモーダル予測、セマンティック精度、画像テキスト検索が改善された。
  論文  参考訳（メタデータ） (2026-08-07T18:57:06Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)
• CSRec: Rethinking Sequential Recommendation from A Causal Perspective [25.69446083970207]
  シーケンシャルなレコメンデータシステム(RecSys)の本質は、ユーザが意思決定を行う方法を理解することです。 我々は、CSRec(Causal Sequential Recommendation)と呼ばれる、シーケンシャルレコメンデーションの新しい定式化を提案する。 CSRecは、シーケンシャルなコンテキスト内で推奨項目が受け入れられる確率を予測し、現在の決定がどのようになされるかをバックトラックすることを目的としている。
  論文  参考訳（メタデータ） (2024-08-23T23:19:14Z)
• RESET: Revisiting Trajectory Sets for Conditional Behavior Prediction [12.945951957551317]
  本稿では、トラジェクトリセット生成のための新しいメトリック駆動アルゴリズムとグラフベースのエンコーダを組み合わせたRESETを提案する。 非条件予測では、RESETは回帰ベースのアプローチと同等のパフォーマンスを達成する。 条件付き予測では、RESETは計画された軌道の遅い融合によって合理的な結果を得る。
  論文  参考訳（メタデータ） (2023-04-12T13:39:09Z)
• Generative Slate Recommendation with Reinforcement Learning [49.75985313698214]
  強化学習アルゴリズムは、レコメンデータシステムのユーザエンゲージメントを最適化するために使用することができる。 しかし、RLアプローチはスレートレコメンデーションシナリオでは難解である。 この設定では、アクションはアイテムの組み合わせを含むことができるスレートに対応する。 本研究では,変分オートエンコーダによって学習された連続低次元ラテント空間におけるスレートの符号化を提案する。 我々は、(i)以前の作業で要求される仮定を緩和し、(ii)完全なスレートをモデル化することで、アクション選択の品質を向上させることができる。
  論文  参考訳（メタデータ） (2023-01-20T15:28:09Z)
• Towards Out-of-Distribution Sequential Event Prediction: A Causal Treatment [72.50906475214457]
  シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。 実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。 文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:54:13Z)
• Instance-Aware Predictive Navigation in Multi-Agent Environments [93.15055834395304]
  エージェント間の相互作用と将来のシーン構造を予測するIPC(Instance-Aware Predictive Control)アプローチを提案する。 我々は,ego中心の視点でエージェント間のインタラクションを推定するために,新しいマルチインスタンスイベント予測モジュールを採用する。 シーンレベルとインスタンスレベルの両方の予測状態をより有効活用するために、一連のアクションサンプリング戦略を設計します。
  論文  参考訳（メタデータ） (2021-01-14T22:21:25Z)
• Model updating after interventions paradoxically introduces bias [2.089458396525051]
  最近の議論は、二進的な結果に対する予測スコアの更新における潜在的な問題を浮き彫りにした。 この設定では、既存のスコアは、元のスコアが置き換えられたときに誤校正につながる追加の因果経路を誘導する。 本稿では,この問題を記述・解決するための一般的な因果的枠組みを提案し,部分的に観察されたマルコフ決定過程として等価な定式化を実証する。
  論文  参考訳（メタデータ） (2020-10-22T08:43:29Z)

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。