論文の概要: From Valid to Useful: Post-Verification Acquisition for Recursive Self-Improving Recommendation

• arxiv url: http://arxiv.org/abs/2610.04302v1
• Date: Sat, 03 Oct 2026 05:31:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-12 11:43:47.838504
• Title: From Valid to Useful: Post-Verification Acquisition for Recursive Self-Improving Recommendation
• Title（参考訳）: 検証から有用へ:再帰的自己改善のための検証後取得
• Abstract要約: 診断・再帰的自己改善レコメンデーション(DA-RSIR) DA-RSIRは、モデルの予測が強化された相互作用に対してどの程度の差があるかによって、検証されたシーケンスをランク付けする。 これはBayesian Active Learning by Disagreement(BALD)から派生したスコアを使用し、Monte Carlo(MC)のドロップアウトで推定される。
• 参考スコア（独自算出の注目度）: 4.719778033429917
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sequential recommenders can generate synthetic interaction sequences and retrain on the augmented corpus in a recursive self-improvement loop. To limit error accumulation, current methods verify each generated sequence remains predictive of the user's real interactions and discard those that drift away from it. Verification does not, however, determine which verified sequences should train the next model. With every verified sequence used for training, source sequences yielding more verified sequences or longer continuations have more influence, although neither quantity indicates how much those sequences will help the next model. We formulate the decision of which verified sequences are used to train the next model as \emph{post-verification acquisition} and introduce {\bf Disagreement-Aware Recursive Self-Improving Recommendation (DA-RSIR)}. DA-RSIR caps each source sequence's contribution and ranks its verified sequences by how much the model's predictions disagree over their augmented interactions. It uses a score derived from Bayesian Active Learning by Disagreement (BALD) and estimated with Monte Carlo (MC) dropout. DA-RSIR requires no extra labels, teacher model, or quality scorer. Across four datasets, three recommender models, and two metrics, it improves on the retain-all approach in all $24$ comparisons and attains the highest mean in $23$ of $24$ overall; the aggregate improvement is statistically significant on both metrics. A single DA-RSIR round exceeds the retain-all approach's best gain over five recursive rounds. These findings establish post-verification acquisition as a separate control point in recursive self-improvement, separating which sequences pass verification from which verified sequences are used to train the next model.
• Abstract（参考訳）: シークエンシャルレコメンダは、再帰的な自己改善ループにおいて、合成相互作用シーケンスを生成し、拡張コーパス上で再訓練することができる。 エラーの蓄積を制限するため、現在の手法では、生成された各シーケンスはユーザの実際のインタラクションを予測し続け、そこから逸脱したシーケンスを破棄する。 しかし、検証は、どの検証されたシーケンスが次のモデルをトレーニングすべきかを判断しない。 トレーニングに使用されるすべての検証されたシーケンスにおいて、より検証されたシーケンスまたはより長い継続をもたらすソースシーケンスは、より影響を受けやすいが、どちらの量もこれらのシーケンスが次のモデルに役立つかは示さない。 検証されたシーケンスが次のモデルを 'emph{post-verification acquisition} としてトレーニングするために使用されるかという決定を定式化し, DA-RSIR(Disagreement-Aware Recursive Self-Improving Recommendation)を導入する。 DA-RSIRは、各ソースシーケンスのコントリビューションを上限とし、モデルの予測が追加的な相互作用に対してどの程度の差があるかで検証されたシーケンスをランク付けする。 これはBayesian Active Learning by Disagreement(BALD)から派生したスコアを使用し、Monte Carlo(MC)のドロップアウトで推定される。 DA-RSIRは追加のラベル、教師モデル、品質スコアラーを必要としない。 4つのデータセット、3つの推奨モデル、2つのメトリクスで、すべての24ドルの比較ですべてのアプローチを改善し、合計23ドルの24ドルの最高値に達した。 1回のDA-RSIRラウンドは5回以上の再帰ラウンドでレザーブ・オール・アプローチのベスト・ゲインを上回る。 これらの結果は、再帰的自己改善において、検証後取得を独立した制御点として確立し、どのシーケンスが検証に合格するかを区別し、検証後取得を次のモデルを訓練する。

関連論文リスト

• RecRec: Latent Interests Recursive Reasoning for Sequential Recommendation [52.23179023639867]
  逐次リコメンデータシステムは、ユーザインタラクションをエンコードし、次の項目を予測するために、1つのフォワードパスに依存している。 シーケンシャルなレコメンデーションのための推論プロセスをどのように構成するかは、未解決の問題である。 既存のアプローチでは、推論と予測を単一の$d$次元の状態に分割し、推論の深さを制限する。 本稿ではRLフリーフレームワークRecRec(Recursive Reasoning for Recommendation)を提案する。
  論文  参考訳（メタデータ） (2026-07-14T16:28:28Z)
• RecRec: Recursive Refinement for Sequential Recommendation [2.134948383299948]
  逐次リコメンデータシステムは、通常、反復的な洗練を伴わずに、インタラクション履歴のシングルパス符号化を通じて、ユーザの好みを推測する。 本稿では,コンパクトな潜伏状態を維持する軽量モデルRecRecを提案する。 実験の結果、RecRecは3.9Mから14Mのパラメータしか使用せず、最先端のシーケンシャル、グラフベース、推論強化のレコメンデータと一致または性能を向上することが示された。
  論文  参考訳（メタデータ） (2026-07-12T02:53:17Z)
• From Continual Learning to SGD and Back: Better Rates for Continual Linear Models [50.11453013647086]
  以前見られたタスクの損失を、$k$の繰り返しの後、忘れること、すなわち、分析する。 実現可能な最小二乗の設定において、新しい最上界を創出する。 我々は、タスクを繰り返しないランダム化だけで、十分に長いタスクシーケンスで破滅的な事態を防げることを初めて証明した。
  論文  参考訳（メタデータ） (2025-04-06T18:39:45Z)
• SequenceMatch: Imitation Learning for Autoregressive Sequence Modelling with Backtracking [60.109453252858806]
  MLE(Maxum-likelihood)の目的は、高品質なシーケンスを自動回帰的に生成する下流のユースケースと一致しない。 我々は、模倣学習(IL)問題としてシーケンス生成を定式化する。 これにより、自己回帰モデルによって生成されるシーケンスの分布とデータセットからのシーケンスとの差異を最小化できる。 得られた手法であるSequenceMatchは、敵の訓練やアーキテクチャの変更なしに実装できる。
  論文  参考訳（メタデータ） (2023-06-08T17:59:58Z)
• Improving Contrastive Learning with Model Augmentation [123.05700988581806]
  このシーケンシャルレコメンデーションは,ユーザ行動における次の項目を予測することを目的としている。 シーケンスにおけるデータの分散性やノイズの問題から,新たな自己教師付き学習(SSL)パラダイムが提案され,性能が向上した。
  論文  参考訳（メタデータ） (2022-03-25T06:12:58Z)

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。