論文の概要: ShanLiangRen: A Nutrition Agent for Personalized Daily Meal Planning

• arxiv url: http://arxiv.org/abs/2610.07886v1
• Date: Tue, 06 Oct 2026 07:32:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.869776
• Title: ShanLiangRen: A Nutrition Agent for Personalized Daily Meal Planning
• Title（参考訳）: ShanLiangRen: パーソナライズされたデイリーミールプランニングのための栄養剤
• Abstract要約: 我々は、パーソナライズされた完全定量化多目的食事計画問題(MDP)を開発する。 このシステムはまず、食事仕様、栄養データ、ユーザ属性、自然言語要求を個別に制約されたプランニングインスタンスに変換する。 次に、検索拡張生成法を用いて、大規模な材料とレシピ空間から設定した実現可能な候補を縮小する。 このシステムは、明確な成分と部分サイズで完全に定量化された食事計画と、制約満足度と栄養分間隔の達成を示す栄養コンプライアンスに関するレポートを出力する。
• 参考スコア（独自算出の注目度）: 4.7847864802354305
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dietary nutrition planning plays an important role in chronic disease management and maintaining a healthy body. In applications, it must simultaneously satisfy personalized constraints and reasonable multidimensional nutritional goals. These two aspects often conflict, and user constraints evolve with feedback, resulting in a substantial gap between generic guidelines and executable plans. To bridge this gap, we first propose the personalized fully quantified multiobjective dietary planning problem (MDP). To tackle MDP, we develop a nutrition agent, ShanLiangRen. The system first transforms dietary specifications, nutrient data, user attributes and natural language requirements into an individualized constrained planning instance. It then employs an exact retrieval-augmented generation method to shrink the feasible candidate set from a large scale ingredient and recipe space. Finally, it adopts a refinement guided by Pareto principles, where an LLM iteratively revises candidate plans under deterministic nutrition computation and feedback from constraint verification. The system outputs fully quantified meal plans with explicit ingredients and portion sizes, together with reports on nutrition compliance that show constraint satisfaction and nutrient interval attainment. We have released the system online as a WeChat Program, ShanLiangRen. A demo video is available at https://www.youtube.com/watch?v=652OtY5VlGA.
• Abstract（参考訳）: 栄養計画は慢性疾患の管理と健康な身体維持において重要な役割を担っている。 応用においては、パーソナライズされた制約と合理的な多次元栄養目標を同時に満たさなければならない。 これら2つの側面は相反することが多く、ユーザの制約はフィードバックによって進化し、一般的なガイドラインと実行可能な計画の間にかなりのギャップが生じる。 このギャップを埋めるために、まず、パーソナライズされた完全定量化多目的食計画問題(MDP)を提案する。 MDPに取り組むために,栄養剤のShanLiangRenを開発した。 このシステムはまず、食事仕様、栄養データ、ユーザ属性、自然言語要求を個別に制約されたプランニングインスタンスに変換する。 次に、検索拡張生成法を用いて、大規模な材料とレシピ空間から設定した実現可能な候補を縮小する。 最後に、LLMは決定論的栄養計算と制約検証からのフィードバックの下で、候補計画を反復的に修正する。 このシステムは、明確な成分と部分サイズで完全に定量化された食事計画と、制約満足度と栄養分間隔の達成を示す栄養コンプライアンスに関するレポートを出力する。 WeChat Program, ShanLiangRenとしてオンライン公開しました。 デモビデオはhttps://www.youtube.com/watch? v=652OtY5VlGA。

関連論文リスト

• GLEN-Bench: A Graph-Language based Benchmark for Nutritional Health [48.94971812317643]
  GLEN-Benchは,栄養学的健康評価のためのグラフ言語に基づく最初の総合ベンチマークである。 GLEN-Benchは3つの関連タスクを含む: リスク検出は、食生活や社会経済的パターンからリスクのある個人を識別する; 推奨は、リソース制約の中で臨床ニーズを満たすパーソナライズされた食品を提案する。 我々の分析では、健康リスクに関連する明確な食事パターンを特定し、実践的な介入を導くための洞察を提供する。
  論文  参考訳（メタデータ） (2026-01-26T03:32:46Z)
• A Closed-Loop Multi-Agent System Driven by LLMs for Meal-Level Personalized Nutrition Management [0.0]
  本稿では,LLM駆動型マルチエージェントコントローラと画像ベースの食事ログを併用して,食事レベルのクローズドループをサポートする次世代モバイル栄養アシスタントを提案する。 このシステムは、視覚、対話、状態管理エージェントを調整し、写真から栄養分を推定し、毎日の摂取予算を更新する。
  論文  参考訳（メタデータ） (2026-01-08T01:51:37Z)
• Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion [69.84988999191343]
  我々はファストフード(FastFood)について紹介する。ファストフード(FastFood)は、908のファストフードカテゴリーに84,446のイメージを持つデータセットで、成分や栄養のアノテーションが特徴である。 栄養推定の精度を高めるために,新しいモデル非依存型ビジュアル・イングレディエント・フィーチャー・フュージョン (VIF$2$) 法を提案する。
  論文  参考訳（メタデータ） (2025-05-13T17:01:21Z)
• NutriGen: Personalized Meal Plan Generator Leveraging Large Language Models to Enhance Dietary and Nutritional Adherence [6.937243101289335]
  NutriGenは、ユーザが定義した食事の好みや制約に合わせて、パーソナライズされた食事プランを生成するように設計されたフレームワークである。 Llama 3.1 8B と GPT-3.5 Turbo がそれぞれ 1.55% と 3.68% の誤差を示した。
  論文  参考訳（メタデータ） (2025-02-28T00:05:49Z)
• MOPI-HFRS: A Multi-objective Personalized Health-aware Food Recommendation System with LLM-enhanced Interpretation [50.309987904297415]
  Yelpのような主要な食品レコメンデーションプラットフォームは、ユーザの選択した健康性よりも、ユーザの食事の好みを優先している。 我々はMOPI-HFRS(Multi-Objective Personalized Interpretable Health-Aware Food Recommendation System)を開発した。 ユーザの好み、パーソナライズされた健康、栄養の多様性の3つの目標と、大きな言語モデル(LLM)強化推論モジュールを共同で最適化することで、食品レコメンデーションを提供する。
  論文  参考訳（メタデータ） (2024-12-12T01:02:09Z)
• RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
  Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。 Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。 本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:49:34Z)
• ChatDiet: Empowering Personalized Nutrition-Oriented Food Recommender Chatbots through an LLM-Augmented Framework [2.3221599497640915]
  ChatDietは、パーソナライズされた栄養指向の食品レコメンデーションチャットボット用に特別に設計された、新しいフレームワークである。 ChatDietは、オーケストラが補完する個人モデルと人口モデルを統合し、シームレスに関連する情報を検索し、処理する。 ChatDietの評価には説得力のあるケーススタディが含まれており、個別の栄養効果を推定するための因果的個人モデルを確立している。
  論文  参考訳（メタデータ） (2024-02-18T06:07:17Z)

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。