論文の概要: Reasoning with Evidence, Not Merely Rationales: Verifiable Preference Proofs for LLM-Based Recommendation

• arxiv url: http://arxiv.org/abs/2610.02968v1
• Date: Fri, 02 Oct 2026 08:05:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.273953
• Title: Reasoning with Evidence, Not Merely Rationales: Verifiable Preference Proofs for LLM-Based Recommendation
• Title（参考訳）: 単なる合理性ではなくエビデンスによる推論:LCMに基づく勧告のための検証可能な選好証明
• Abstract要約: 大規模な言語モデルは、インタラクション履歴とレビューからユーザの好みを推測することができる。 選好請求は,その選択された証拠によって弱く支持されるか,最終順位にはほとんど影響しない。 本稿では,LLMに基づく推薦において,選好推論を検証するためのフレームワークであるPROVE-RECを紹介する。
• 参考スコア（独自算出の注目度）: 7.128676238207731
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) can infer user preferences from interaction histories and reviews, yet the rationales they generate may not reflect the information actually used for recommendation. A preference claim may be weakly supported by its selected evidence, or may have little effect on the final ranking. We refer to these two failures as the grounding-influence gap. We introduce PROVE-REC, a general framework for verifiable preference reasoning in LLM-based recommendation. Pass A converts the complete pre-target history into a compact preference proof consisting of positive and avoidance claims linked to selected evidence entries. Pass B predicts the next item using only the proof and its selected evidence, preventing the recommender from bypassing the reasoning path. To verify evidence-to-proof grounding, we compare the effect of masking selected evidence with masking a comparable control entry. To verify proof-to-recommendation influence, we remove a preference claim and measure the resulting decrease in the target item's ranking margin. A ranking-preservation objective further retains useful information from the complete history. Comprehensive experiments on wide-ranging real-world datasets demonstrate that PROVE-REC consistently outperforms strong sequential, generative, and LLM-enhanced baselines, with improvements of up to 7.45%. Controlled ablations confirm the effectiveness of the two-pass architecture and verification objectives. Moreover, PROVE-REC produces claims that are more strongly grounded in historical evidence and more influential to recommendation while preserving ranking quality.
• Abstract（参考訳）: 大きな言語モデル(LLM)は、インタラクション履歴やレビューからユーザの好みを推測することができるが、それらが生成する理論的根拠は、実際にレコメンデーションに使用される情報を反映していないかもしれない。 選好請求は,その選択された証拠によって弱く支持されるか,最終順位にはほとんど影響しない。 これら2つの失敗を、接地と影響のギャップとみなす。 提案手法は,LLMをベースとした選好推論のための一般的なフレームワークであるPROVE-RECを提案する。 パスAは、完全なターゲット前の履歴を、選択されたエビデンスエントリに関連付けられた正と回避のクレームからなるコンパクトな選好証明に変換する。 パスBは、証明と選択された証拠のみを使用して次の項目を予測し、レコメンダが推論パスをバイパスするのを防ぐ。 本研究は,エビデンス・ツー・プロビデンス・グラウンド化を検証するために,選択されたエビデンスをマスキングする効果と,同等の制御エントリーをマスキングする効果を比較した。 検証・推薦の影響を検証するため、優先権の請求を取り除き、対象項目のランキングマージンの低下を計測する。 ランキング保存目的は、完全な履歴から有用な情報を更に保持する。 広範囲な実世界のデータセットに関する包括的な実験により、PROVE-RECは高いシーケンシャル、生成、LLM強化ベースラインを一貫して上回り、最大7.45%の改善が示されている。 制御されたアブリゲーションは、2パスアーキテクチャの有効性と検証の目的を確認します。 さらに、PROVE-RECは、歴史的証拠に強く根ざし、格付けを保ちながら推薦に影響を及ぼす主張を生み出している。

関連論文リスト

• Evaluating and Improving Evidence-Grounded Fact-Checking in LLMs via Multi-Round Evidence Ablation [28.999694748110404]
  市販のファクトチェックシステムは、提供された証拠よりもパラメトリックな知識に依存していることを示す。 本稿では,証拠に依存した検証を促進するトレーニングフレームワークであるREAL(Rigorous Evidence Ablation Learning)を提案する。 以上の結果から,強い事実チェック性能と弱い証拠依存性が共存する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-09-08T16:04:20Z)
• Contextual Information Policy Optimization for Search Agents [25.589979477350095]
  我々は,政策最適化と外部エビデンス利用の整合を図るために,文脈情報政策最適化(CIPO)を提案する。 CIPOは、検索された情報に影響された推論行動にターンレベルクレジットを割り当て、このエビデンス利用信号とグローバルな結果報酬を組み合わせて、回答の正当性を維持する。 実験によると、CIPOは事前駆動推論の頻度を減らし、ほとんどのタスクにおいて優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-08-06T15:01:29Z)
• Verifiable Reasoning for LLM-based Generative Recommendation [106.7765000777685]
  大規模言語モデル(LLM)における推論は、最近、生成的レコメンデーションの強化に強い可能性を示している。 本稿では,信頼性の高いフィードバックを提供するために,検証と推論をインターリーブする新しいTextbftextitreason-verify-recommendパラダイムを提案する。 4つの実世界のデータセットの実験は、VRecが効率を損なうことなく、推奨の有効性とスケーラビリティを大幅に向上することを示した。
  論文  参考訳（メタデータ） (2026-03-08T16:55:45Z)
• Beyond Factual Correctness: Mitigating Preference-Inconsistent Explanations in Explainable Recommendation [2.379349092029744]
  LLMベースの説明可能なレコメンデータは、実際に正しい説明を作成できるが、ユーザの過去の好みと矛盾する属性を使ってアイテムを正当化することができる。 我々は、この障害モードを形式化し、選択列生成パラダイムに従う優先認識推論フレームワークPUREを提案する。 PUREはマルチホップアイテム中心の推論パスのコンパクトなセットを選択し、ユーザの嗜好構造と整合し、ユーザ意図、特異性、多様性によってガイドされ、汎用的で弱いパーソナライズされた証拠を抑える。
  論文  参考訳（メタデータ） (2026-03-03T15:24:51Z)
• Reward-Augmented Data Enhances Direct Preference Alignment of LLMs [63.32585910975191]
  報奨条件付き大言語モデル(LLM)を導入し、データセット内の応答品質のスペクトル全体から学習する。 当社のアプローチは,DPOをかなりのマージンで継続的に向上させることを示す。 本手法は,嗜好データの有用性を最大化するだけでなく,未学習の問題も軽減し,データ拡張を超えてその広範な効果を実証する。
  論文  参考訳（メタデータ） (2024-10-10T16:01:51Z)
• From Relevance to Utility: Evidence Retrieval with Feedback for Fact Verification [118.03466985807331]
  我々は、FVの関連性よりも、クレーム検証者が取得した証拠から導出する実用性に焦点を当てる必要があると論じる。 本稿では,エビデンス検索プロセスの最適化に,クレーム検証器からのフィードバックを取り入れたフィードバックベースのエビデンス検索手法(FER)を提案する。
  論文  参考訳（メタデータ） (2023-10-18T02:59:38Z)

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。