論文の概要: ZooWork-ShopRanker: An Open, Preference-Aligned E-Commerce Reranker
- arxiv url: http://arxiv.org/abs/2609.31002v1
- Date: Fri, 25 Sep 2026 08:47:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.315778
- Title: ZooWork-ShopRanker: An Open, Preference-Aligned E-Commerce Reranker
- Title（参考訳）: ZooWork-ShopRanker: オープンで、お好みのEコマースリランカー
- Abstract要約: 判定ラベル付きショッピングの好みに合わせたeコマースリランカーのファミリーであるZooWork-ShopRankerを紹介します。
進捗を測るために、両テキストフォーマットで1万のプライベート-トラフィックの選好ペアのベンチマークであるShopRank-Benchを紹介する。
- 参考スコア（独自算出の注目度）: 6.1587289380123815
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Open rerankers trained for general web retrieval transfer imperfectly to e-commerce, where ranking decisions depend not only on topical relevance but also on user preferences, product constraints, and comparative product fit. These preference signals are difficult to supervise at scale: real search traffic provides authentic queries and candidates but no clean pairwise labels. We present ZooWork-ShopRanker, a family of e-commerce rerankers (0.6B, 4B, and 8B) aligned to judge-labeled shopping preference. Training pairs are labeled by a panel of reasoning large language models (LLMs) from different families acting as a preference oracle, with position-debiased judgments and agreement tiers, and the rerankers are trained on these labels. The aligned 8B flagship then serves as a distillation teacher for the efficient 4B and 0.6B models, which are fit to its scores and sharpened on judged pairs. To measure progress, we introduce ShopRank-Bench, a contamination-limited benchmark of ~10,000 private-traffic preference pairs in both text formats, tiered by how many judge families committed to each label. ZooWork-ShopRanker-8B and -4B significantly outperform the strongest open reranker baseline, every model significantly beats its own un-aligned base, and ZooWork-ShopRanker-0.6B beats its size peer; the gains hold in both formats and extend to common MTEB benchmarks. We release the models and the dual-format ShopRank-Bench to facilitate further research.
- Abstract（参考訳）: 一般のWeb検索転送のために訓練されたオープンリランカーは、eコマースに不完全であり、ランキング決定はトピックの関連性だけでなく、ユーザの好み、製品制約、製品適合度にも依存する。
実際の検索トラフィックは、真のクエリと候補を提供するが、クリーンなペアワイズラベルは提供しない。
我々は,Eコマースリランカー(0.6B,4B,8B)のファミリーであるZooWork-ShopRankerを,審査ラベル付きショッピングの好みに合わせて紹介する。
トレーニングペアは、選好の神託として働く異なる家族からの大きな言語モデル(LLM)を推論するパネルによってラベル付けされ、位置ずれの判断と合意の階層が与えられ、リランカーはこれらのラベルでトレーニングされる。
並べられた8Bフラッグシップは、4Bと0.6Bの効率的なモデルのための蒸留の教師として機能し、スコアに適合し、判定されたペアを鋭くする。
進捗を測るために、両テキストフォーマットで1万のプライベート・トラフィック・プライオリティペアの汚染制限ベンチマークであるShopRank-Benchを導入する。
ZooWork-ShopRanker-8B と -4B は最強のオープンリランカーベースラインを著しく上回り、全てのモデルは自身のアンアラインベースを著しく上回り、ZooWork-ShopRanker-0.6B はサイズピアを上回り、両方のフォーマットで利得が保たれ、MTEBベンチマークに拡張される。
モデルとデュアルフォーマットのShopRank-Benchをリリースし、さらなる研究を促進する。
関連論文リスト
- Graded-Relevance Composed Multimodal Retrieval for E-commerce Visual Search at Scale [1.996551314636794]
本稿では,CIRレトリバーの学習方法を提案する。
この手法をGradCIRと呼び、3.5MグレードペアでトレーニングされたPaliGemma2バイエンコーダ上でインスタンス化する。
このシステムはWalmartのプロダクションにデプロイされ、ビジュアル検索のユーザトラフィックをライブで提供する。
論文 参考訳（メタデータ） (2026-09-21T06:09:52Z) - MERIT: Mitigating Exposure Bias in Generative XMC for User-Interest Propensity Modeling [8.776508323291234]
本稿では、この露光バイアスを自己補正の対象として緩和する、ユーザ関心度モデルのためのフレームワークであるMERITを提案する。
250k以上の関心カテゴリーを持つプロプライエタリなeコマースデータセットでは、MERITは少なくとも11.9%、Hit@k平均6.1%のリコールを改善している。
論文 参考訳（メタデータ） (2026-08-28T23:03:14Z) - UXBench: Measuring the Actionability of LLM-Generated UX Critiques [58.14408744110387]
対話型UX判断器として大規模言語モデル(LLM)を評価するベンチマークであるUXBenchを紹介する。
UXBenchは10の製品表面のファミリーにまたがる、ローカルファーストで実行可能なウェブフィクスチャで構成されており、カバーゲートのルーリック探索と組み合わせている。
8つのフロンティアモデルについて,自動修理作業プロトコルと視覚障害者による検証実験の両方で評価した。
論文 参考訳（メタデータ） (2026-06-15T06:08:39Z) - Rethinking Sales Lead Scoring with LLM-based Hierarchical Preference Ranking [10.224056739324702]
セールスリードのコンバージョンは、長い意思決定サイクルと多段階のファンネルのために、eコマースのレコメンデーションとは根本的に異なる。
従来のリードスコアリング手法では、スパース監視、非構造化CRMログのセマンティックギャップ、相対的なリード優先度の取得が不可能といった深刻な課題に直面しています。
我々は、構造化CRM機能と非構造化顧客インタラクションの連成モデリングを支援するLLMベースのセールスリードスコアリングのための差別的フレームワークについて紹介する。
論文 参考訳（メタデータ） (2026-06-03T03:05:57Z) - Semantic Retrieval for Product Search in E-Commerce [2.101206887508497]
本稿では,2段パイプラインで訓練したSiamese LLMデュアルエンコーダを提案する。
優先最適化の目的は、Bradley-Terryを変数サイズのグレードレバレンスグループに拡張する。
得られたシステムは、置換品や補完品を正しく注文しながら、正確な一致を正確に検索する。
論文 参考訳（メタデータ） (2026-05-31T23:59:32Z) - Holistic Optimal Label Selection for Robust Prompt Learning under Partial Labels [57.91658393667468]
Holistic Optimal Label Selection (HopS) は、大規模な事前学習された視覚言語モデルを下流タスクに適用するためのパラメータ効率の高いアプローチである。
HopSは、部分的な監視の下でパフォーマンスを継続的に改善し、すべてのベースラインを上回ります。
論文 参考訳（メタデータ） (2026-04-08T02:49:19Z) - Learning to Comparison-Shop [28.246875896322493]
Airbnbのようなオンラインマーケットプレースでは、ユーザーは購入決定を行う前に比較ショッピングを頻繁に行う。
従来のランキングモデルは、検索結果ページ上の複数の項目を比較するコンテキストを無視して、アイテムを独立して評価することが多い。
本稿では,利用者のショッピング行動の比較をモデル化し,学習する新しいランキングアーキテクチャ,LTCS(Learning-to-Comparison-Shop)システムを提案する。
論文 参考訳（メタデータ） (2025-12-03T17:46:18Z) - Federated Learning with Only Positive Labels by Exploring Label Correlations [78.59613150221597]
フェデレートラーニングは、プライバシー上の制約の下で複数のユーザのデータを使用することで、モデルを協調的に学習することを目的としている。
本稿では,フェデレート学習環境下でのマルチラベル分類問題について検討する。
ラベル相関(FedALC)を探索してフェデレート平均化(Federated Averaging)と呼ばれる新しい,汎用的な手法を提案する。
論文 参考訳（メタデータ） (2024-04-24T02:22:50Z) - Bipartite Ranking Fairness through a Model Agnostic Ordering Adjustment [54.179859639868646]
本稿では,二部類ランキングにおける公平性を実現するためのモデルに依存しない後処理フレームワークxOrderを提案する。
xOrderは、教師なしおよび教師なしの公正度メトリックを含む、さまざまな分類モデルとランキングフェアネスメトリクスと互換性がある。
提案アルゴリズムを,4つのベンチマークデータセットと2つの実世界の患者電子健康記録リポジトリ上で評価した。
論文 参考訳（メタデータ） (2023-07-27T07:42:44Z) - A Theory-Driven Self-Labeling Refinement Method for Contrastive
Representation Learning [111.05365744744437]
教師なしのコントラスト学習は、正のイメージの作物と、負のイメージの作物とをラベル付けする。
本研究は, コントラスト学習において, 不正確なラベル割り当てがセマンティック・インスタンス識別の一般化を著しく損なうことを最初に証明する。
この理論に触発されて、コントラスト学習のための新しい自己ラベル改善手法を提案する。
論文 参考訳（メタデータ） (2021-06-28T14:24:52Z) - Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking
Fairness and Algorithm Utility [54.179859639868646]
Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。
学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。
本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-15T10:08:39Z)
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。