論文の概要: DRanker: A Transformer-Based Multi-Task Ranking Model for the Disney+ Homepage
- arxiv url: http://arxiv.org/abs/2610.15696v1
- Date: Sun, 11 Oct 2026 15:29:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 17:13:04.56453
- Title: DRanker: A Transformer-Based Multi-Task Ranking Model for the Disney+ Homepage
- Title（参考訳）: DRanker:Disney+ホームページ用のトランスフォーマーベースのマルチタスクランキングモデル
- Abstract要約: 我々は,Disney+ホームページ上でパーソナライズされたレコメンデーションを提供するトランスフォーマーベースのマルチタスクランキングモデルであるDRankerを紹介する。
本稿では,エンコーダのみによるエンコーダのみのアーキテクチャを,軽量因果脱バイアス機構と組み合わせて記述する。
DRankerは、キーエンゲージメントの基準で1%以上、毎日のアクティブユーザで0.1%以上、ランク付けされたすべてのエクスペリエンスで利用している。
- 参考スコア（独自算出の注目度）: 0.11726720776908518
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present DRanker (Disney+ Ranker), a transformer-based multitask ranking model serving personalized recommendations on the Disney+ homepage. We describe the encoder-only architecture over enriched engagement-history sequences paired with a lightweight causal debiasing mechanism, and the inference stack that enables transformer-based ranking at scale. Through iterative development, we systematically evaluated more complex alternatives and found that simpler designs consistently outperformed them on offline metrics, qualitative behavioral evaluation, and in production. Deployed globally, DRanker drives over 1% lift in our key engagement metric and 0.5% lift in daily active users across all experiences powered by the ranker. We share practical lessons on data engineering, debiasing, and architectural choices that shaped our ranking system at scale.
- Abstract（参考訳）: 本稿では,Disney+ホームページ上でパーソナライズされたレコメンデーションを提供するトランスフォーマーベースのマルチタスクランキングモデルであるDRanker(Disney+ Ranker)を紹介する。
本稿では,エンコーダのみのアーキテクチャを,軽量因果脱バイアス機構と組み合わせたエンコーダのみのアーキテクチャと,変圧器による大規模ランキングを実現する推論スタックについて述べる。
反復的な開発を通じて、より複雑な代替案を体系的に評価し、より単純な設計がオフラインメトリクス、定性的な行動評価、生産において、それらを一貫して上回る結果となった。
グローバルに展開されたDRankerは、キーエンゲージメントの基準で1%以上のリフトを、ランサーによって駆動されるすべてのエクスペリエンスで毎日のアクティブユーザで0.1%のリフトを走らせます。
私たちは、大規模にランキングシステムを形成するデータエンジニアリング、デバイアス、アーキテクチャ選択に関する実践的な教訓を共有しています。
関連論文リスト
- ReasonRank: Empowering Passage Ranking with Strong Reasoning Ability [83.16850534680505]
本稿では,自動推論集約型トレーニングデータ合成フレームワークを提案する。
自己整合性データフィルタリング機構は、データ品質を保証するために設計されている。
トレーニングされた推論集約型リランカ textbfReasonRank は,BRIGHT のリーダボード上での最先端 (SOTA) のパフォーマンス40.6 を達成する。
論文 参考訳（メタデータ） (2025-08-09T17:26:18Z) - FlowReasoner: Reinforcing Query-Level Meta-Agents [63.602173107171076]
本稿では,クエリレベルのマルチエージェントシステムの設計を自動化するために,FlowReasonerというクエリレベルのメタエージェントを提案する。
私たちの中核的な考え方は、外部の実行フィードバックを通じて推論ベースのメタエージェントをインセンティブ化することです。
論文 参考訳（メタデータ） (2025-04-21T17:35:42Z) - Rankformer: A Graph Transformer for Recommendation based on Ranking Objective [27.953113185360174]
ランキングにインスパイアされたレコメンデーションモデルであるRanformerを提案する。
アーキテクチャはランク付け対象の勾配にインスパイアされ、ユニークな(グラフ)トランスフォーマーアーキテクチャを具現化している。
大規模な実験結果から、Ranformerは最先端の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2025-03-21T07:53:06Z) - From Features to Transformers: Redefining Ranking for Scalable Impact [6.656478617123893]
LiGRはLinkedInが開発した大規模ランキングフレームワークである。
本稿では,学習の正規化とユーザ履歴とランキング項目への同時注意を取り入れた改良型トランスフォーマーアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-02-05T18:02:01Z) - Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance [81.05882480184587]
本稿では,自律エージェントに対するVygotskyのZPDを用いて,Kolbの学習サイクルの計算フレームワークを提案する。
Agent Kは、KolbとVygotskyにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
金9個、銀8個、銅12個で、メダル獲得競争で金4個、銀4個を含む。エージェントKは、コルブとヴィーゴツキーにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
論文 参考訳（メタデータ） (2024-11-05T23:55:23Z) - Optimizing E-commerce Search: Toward a Generalizable and Rank-Consistent Pre-Ranking Model [13.573766789458118]
大規模なeコマースプラットフォームでは、ダウンストリームランキングモジュールのために、前もって製品の大部分をフィルタリングするために、プレグレードフェーズが不可欠である。
1) 製品がトップk内にあるかどうかを予測する複数のバイナリ分類タスクを導入し、共通のポイントワイドランキングモデルでの学習目標の追加を容易にする。2) 製品埋め込みのサブセットを事前トレーニングすることで、すべての製品に対するコントラスト学習による一般化性。
論文 参考訳（メタデータ） (2024-05-09T07:55:52Z) - Emergent Agentic Transformer from Chain of Hindsight Experience [96.56164427726203]
簡単なトランスフォーマーベースモデルが時間差と模倣学習に基づくアプローチの両方と競合することを示す。
単純なトランスフォーマーベースのモデルが時間差と模倣学習ベースのアプローチの両方で競合するのはこれが初めてである。
論文 参考訳（メタデータ） (2023-05-26T00:43:02Z) - Ensemble Transformer for Efficient and Accurate Ranking Tasks: an
Application to Question Answering Systems [99.13795374152997]
本研究では,大きな変圧器のアンサンブルを1つの小さなモデルに蒸留するニューラルネットワークを提案する。
MHSモデルは、入力をエンコードするために使用されるトランスフォーマー層のスタックと、ランキングヘッドのセットの2つのコンポーネントから構成される。
従来の蒸留法とは異なり,本手法では,アンサンブルメンバーの多様性を保ちつつ,個々のモデルを教師として利用している。
論文 参考訳（メタデータ） (2022-01-15T06:21:01Z) - PiRank: Learning To Rank via Differentiable Sorting [85.28916333414145]
ランク付けのための新しい分類可能なサロゲートであるPiRankを提案する。
ピランクは所望の指標をゼロ温度の限界で正確に回収する。
論文 参考訳（メタデータ） (2020-12-12T05:07:36Z)
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。