Fugu-MT 論文翻訳(概要): Personal-Agent Mediated Recommendation with Cross-Platform User History

論文の概要: Personal-Agent Mediated Recommendation with Cross-Platform User History

arxiv url: http://arxiv.org/abs/2610.07588v1
Date: Tue, 06 Oct 2026 01:26:01 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 02:58:29.744745
Title: Personal-Agent Mediated Recommendation with Cross-Platform User History
Title（参考訳）: クロスプラットフォームユーザ履歴を用いた個人エージェント型メディアレコメンデーション
Abstract要約: 我々は,新たなパラダイムをPersonal-Agent Mediated Recommendationとして定式化する。プラットフォームレコメンデータは、プラットフォームローカル情報を用いて候補セットをランク付けし、パーソナルエージェントは、ユーザ公認のクロスプラットフォーム履歴を使用して、結果のランク付けを仲介する。 MediateRecの実験では、パーソナルエージェントのメディエーションは意味のあるプラットフォーム修正を可能にするが、強力なプロプライエタリなLCMでさえ、無視できない有害なオーバーライドを導入している。
参考スコア（独自算出の注目度）: 32.23667692308938
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Modern recommendation is shifting from platform-centric personalization toward user-governed personalization, where a personal LLM agent can act on the user's behalf across services. We formalize this emerging paradigm as Personal-Agent Mediated Recommendation: a platform recommender ranks a candidate set using platform-local information, and a personal agent uses user-authorized cross-platform history to mediate the resulting ranking and produce the final top-K slate. Such mediation is nontrivial: the platform ranking can encode strong population evidence that the personal agent cannot observe, so effective mediation must therefore balance beneficial rescues against harmful overrides. To study this trade-off, we introduce MediateRec, a benchmark that includes scalable proxy cross-platform environments and a real cross-platform test under a controlled platform-agent information boundary. To train the agent to use cross-platform history effectively, we further propose Personal Attribution Mediation Optimization (PAMO), which counterfactually masks that history to estimate personal mediation support and reallocates rank-aware advantage mass under a platform-relative value floor. We theoretically prove that PAMO preserves cutoff-level advantage mass and is locally optimal among first-order reallocations that preserve this mass without lowering average platform-relative value. Experiments on MediateRec show that personal-agent mediation enables meaningful platform corrections, yet even strong proprietary LLMs introduce non-negligible harmful overrides. PAMO consistently improves over matched outcome-only RL across seen and unseen target platforms and on the real cross-platform test, while achieving a better rescue-harm balance.
Abstract（参考訳）: 現代のレコメンデーションは、プラットフォーム中心のパーソナライズから、個人的LLMエージェントがサービス間でユーザの代理として機能する、ユーザ統治パーソナライズへとシフトしている。プラットフォームレコメンデータは、プラットフォームローカル情報を用いて候補セットをランク付けし、パーソナルエージェントは、ユーザ公認のクロスプラットフォーム履歴を使用して、結果のトップKスレートを仲介し、最終的なトップKスレートを生成する。このような仲介は簡単ではない: プラットフォームランキングは、個人エージェントが観察できないという強い人口証拠を符号化できるため、効果的な仲介は有害なオーバーライドに対して有益な救助のバランスをとる必要がある。このトレードオフを研究するために、私たちは、スケーラブルなプロキシクロスプラットフォーム環境と、コントロールされたプラットフォームエージェント情報境界の下で実際のクロスプラットフォームテストを含むベンチマークであるMediateRecを紹介します。エージェントがクロスプラットフォーム履歴を効果的に活用するよう訓練するために、さらにPAMO(Personal Attribution Mediation Optimization)を提案する。理論上,PAMOはカットオフレベル優位質量を保ち,平均プラットフォーム相対値の低下を伴わずにこの質量を保った一階実測において局所的に最適であることを示す。 MediateRecの実験では、パーソナルエージェントのメディエーションは意味のあるプラットフォーム修正を可能にするが、強力なプロプライエタリなLCMでさえ、無視できない有害なオーバーライドを導入している。 PAMOは、見知らぬターゲットプラットフォームと実際のクロスプラットフォームテストにおいて、一致した結果のみのRLよりも一貫して改善すると同時に、より優れた救済ハームバランスを達成する。

関連論文リスト

AdaptArena: Evaluating Test-Time Personalization of Web Agents [93.7336288790761]
本稿では,Webエージェントのテスト時間パーソナライズを評価するベンチマークであるAdaptArenaを紹介する。また、暗黙の選好推論を標準化するための検索ベースのフレームワークであるAdaptiveAgentを紹介する。これらの知見は、信頼性の高いユーザ対応Webエージェントをデプロイする上で重要な課題として、暗黙の選好推論とロバストなアクショングラウンドメントを浮き彫りにしている。
論文参考訳（メタデータ） (2026-09-29T01:46:48Z)
The User Asks, Platforms Compete: How Agentic Recommendation Markets Take Shape [42.08046748080711]
LLMベースのユーザエージェントは、異なるレコメンデーションプロセスを可能にする。ユーザはプラットフォームを選択する前にニーズを指定する。この新しいレコメンデーション設定は、アクセスと注意の緊張を生じさせる。
論文参考訳（メタデータ） (2026-07-28T03:54:38Z)
Position: Recommender Systems Should Move Beyond Platform-Centric Ranking toward Personal Agent-Mediated Recommendation [6.10079964714448]
推奨の次のボトルネックは、好みのモデリングだけでなく、証拠の取得と開示の制御である、と我々は主張する。中心的なシフトは、単にランク付けモデルから別のランク付けモデルへではなく、プラットフォーム側のアイテムランキングからユーザー側のエビデンス・メディエーションへのシフトである。
論文参考訳（メタデータ） (2026-07-21T06:18:06Z)
LLM Agents Enable User-Governed Personalization Beyond Platform Boundaries [44.615224255419484]
プラットフォーム中心のパーソナライゼーションから,ユーザ主体のパーソナライゼーションへの移行を議論する。重要な非対称性はデータアクセスにある – 独自のクロスプラットフォームおよびオフライン情報を集約できるのはユーザのみである。我々は,クロスプラットフォームデータエクスポートと既製のLCMエージェントを備えたユーザが,シングルプラットフォームパーソナライゼーションベースラインを上回る性能を発揮するという概念実証を行う。
論文参考訳（メタデータ） (2026-05-10T22:31:59Z)
From Hidden Profiles to Governable Personalization: Recommender Systems in the Age of LLM Agents [44.20821259751986]
重要なのは、大きな言語モデルがレコメンデーションの品質を高めるだけでなく、ユーザ表現の生成、公開、実行の方法や方法を仲介することです。隠れプラットフォームプロファイリングから支配可能なパーソナライズへ移行し,ユーザ表現をより検査し,修正可能で,ポータブルで,サービス間を行き来する。
論文参考訳（メタデータ） (2026-04-22T00:04:47Z)
FedPDPO: Federated Personalized Direct Preference Optimization for Large Language Model Alignment [55.97027207627]
Fed PDPO(Federated Personalized Direct Preference Optimization)は、大規模言語モデル(LLM)の優先順位調整のためのパーソナライズされたフレームワークである。パラメータ効率の良い微調整アーキテクチャを採用し、各クライアントはLow-Rank Adaptation (LoRA)アダプタで拡張された凍結したLLMバックボーンを維持し、通信効率のよいアグリゲーションを可能にする。複数の嗜好データセットの実験では、最先端のパフォーマンスを示し、フェデレーション付きドメイン内およびクロスドメイン設定の平均精度が4.80%向上した。
論文参考訳（メタデータ） (2026-03-20T08:24:49Z)
Breaking User-Centric Agency: A Tri-Party Framework for Agent-Based Recommendation [59.362016745945375]
第1回LLM-Adnt Recommendation framework(TriRec)を提案する。 TriRecは、ユーザユーティリティ、アイテム露出、プラットフォームレベルの公正性を明示的に調整する。精度、公平性、およびアイテムレベルのユーティリティにおいて、一貫した利得を示す。
論文参考訳（メタデータ） (2026-03-11T11:40:13Z)
PersonaAgent: When Large Language Model Agents Meet Personalization at Test Time [87.99027488664282]
PersonaAgentは、汎用的なパーソナライゼーションタスクに対処するために設計されたフレームワークである。パーソナライズされたメモリモジュールとパーソナライズされたアクションモジュールを統合する。テストタイムのユーザ嗜好アライメント戦略は、リアルタイムのユーザの嗜好アライメントを保証する。
論文参考訳（メタデータ） (2025-06-06T17:29:49Z)

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。