論文の概要: QD-Rec: Open-Ended Evolution of Recommendations via Quality-Diversity

• arxiv url: http://arxiv.org/abs/2610.23470v2
• Date: Mon, 19 Oct 2026 15:21:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 06:32:45.335355
• Title: QD-Rec: Open-Ended Evolution of Recommendations via Quality-Diversity
• Title（参考訳）: QD-Rec: 品質多様性による勧告のオープンエンド進化
• Abstract要約: オープンエンドのレコメンデーションを,多種多様な高品質なレコメンデーションセットの構築として形式化しています。 新しいレコメンデーションは、その隣人よりも新しいか良いかの場合にアーカイブに入る。 M&A、顧客ターゲティング、紙と書籍のレコメンデーションの他、QD-Recは平均品質が最も高く、ほとんどの設定で最大のアーカイブを構築している。
• 参考スコア（独自算出の注目度）: 3.4629787099042493
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open-ended search combined with foundation models has produced advances such as faster algorithms, new results on open mathematical problems, and self-improving agents. We extend this paradigm to recommendation for decision-making, focusing on decisions where the set of possible choices is fixed but the reasons for choosing them are not. In high-stakes decisions, e.g., which company to acquire or which customer to target, comparing diverse, well-reasoned options can be more useful than a single ranked list. We formalize open-ended recommendation as building a diverse, high-quality set of recommendations, each an item together with a hypothesis, a natural-language reason why the item fits the needs of a decision maker. We propose QD-Rec, a quality--diversity method that selects items with a contextual bandit and generates hypotheses with a foundation model from earlier ones kept in an archive as stepping stones. A new recommendation enters the archive if it is novel or better than its nearest neighbor. Across M&A, customer targeting, and paper and book recommendation, QD-Rec gives the highest mean quality and builds the largest archive in most settings.
• Abstract（参考訳）: 基礎モデルと組み合わせたオープンエンドサーチは、より高速なアルゴリズム、オープンな数学的問題に対する新しい結果、自己改善エージェントなどの進歩を生み出している。 我々は、このパラダイムを意思決定の推奨に拡張し、可能な選択肢のセットが固定されているが、それらを選択する理由がそうでない決定に焦点をあてる。 高い評価の意思決定では、どの企業がどの顧客を買収するか、どの顧客をターゲットにするか、といったように、多種多様な選択肢を比較することは、単一のランクリストよりも有用である。 オープンエンドのレコメンデーションを、さまざまな高品質なレコメンデーションセットの構築として形式化し、各項目と仮説を合わせて、その項目が意思決定者のニーズに適合する理由を自然言語で説明します。 QD-Recは,従来アーカイブに保管されていたものから,文脈的帯域幅でアイテムを選択し,基礎モデルで仮説を生成する品質多様性手法である。 新しいレコメンデーションは、その隣人よりも新しいか良いかの場合にアーカイブに入る。 M&A、顧客ターゲティング、紙と書籍のレコメンデーションの他、QD-Recは平均品質が最も高く、ほとんどの設定で最大のアーカイブを構築している。

関連論文リスト

• Decision-Oriented Recommendation Reranking: An Empirical Study of Jev [20.05433362691372]
  大規模言語モデル(LLM)はリコメンデーションの再ランクを約束しているが、その使用はレコメンデーション品質とサービス効率の間に重要なトレードオフをもたらす。 本稿では、決定指向モデルが、事前定義された候補項目の中から基本的に構造化された選択である場合、有用な代替案を提供するかどうかを検討する。
  論文  参考訳（メタデータ） (2026-09-30T17:33:43Z)
• HARPO: Hierarchical Agentic Reasoning for User-Aligned Conversational Recommendation [10.766058469348382]
  本稿では,会話の推薦を構造化された意思決定プロセスとして再編成するエージェントフレームワークであるHARPOを提案する。 HarPOは階層的な選好学習を統合し、推奨品質を解釈可能な次元に分解する。 推奨中心のメトリクスに対して、強いベースラインよりも一貫した改善を示します。
  論文  参考訳（メタデータ） (2026-04-11T06:07:15Z)
• A Principled Approach to Randomized Selection under Uncertainty: Applications to Peer Review and Grant Funding [61.86327960322782]
  本稿では,各項目の品質の間隔推定に基づくランダム化意思決定の枠組みを提案する。 最適化に基づく最適化手法であるMERITを導入する。 MERITが既存のアプローチで保証されていない望ましい公理特性を満たすことを証明している。
  論文  参考訳（メタデータ） (2025-06-23T19:59:30Z)
• Extract-QD Framework: A Generic Approach for Quality-Diversity in Noisy, Stochastic or Uncertain Domains [4.084778152234208]
  第1にExtract-QD Framework(EQD Framework)、第2にExtract-ME(EME)という2つのコントリビューションを提示します。 EQD Frameworkはモジュールビュー内の既存のアプローチを統一し、モジュールの交換による新しいメソッドの開発を促進する。 新しい不確実なタスクに対して、私たちのコントリビューションは、信頼できる"第一の推測"メソッドとしてEMEを提供し、タスク固有のアプローチを開発するためのツールとしてEQD Frameworkを提供しています。
  論文  参考訳（メタデータ） (2025-02-10T15:52:58Z)
• Improving Recommendation System Serendipity Through Lexicase Selection [53.57498970940369]
  本稿では,レコメンデーションシステムにおけるエコーチャンバーとホモフィリーの存在を測定するための新しいセレンディピティー指標を提案する。 そこで我々は,レキシケース選択と呼ばれる親選択アルゴリズムを採用することにより,よく知られたレコメンデーション手法の多様性保存性の向上を試みる。 以上の結果から,レキシケースの選択とランキングの混合は,パーソナライゼーション,カバレッジ,セレンディピティー・ベンチマークにおいて,純粋にランク付けされている。
  論文  参考訳（メタデータ） (2023-05-18T15:37:38Z)
• Best Arm Identification for Stochastic Rising Bandits [84.55453174601826]
  SRB(Rising Bandits)は、選択される度に選択肢の期待される報酬が増加する、シーケンシャルな意思決定の問題をモデル化する。 本稿では,SRBの固定予算ベストアーム識別(BAI)問題に焦点をあてる。 R-UCBE と R-SR の2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-15T08:01:37Z)
• Recommendation Systems with Distribution-Free Reliability Guarantees [83.80644194980042]
  我々は、主に良いアイテムを含むことを厳格に保証されたアイテムのセットを返す方法を示す。 本手法は, 擬似発見率の厳密な有限サンプル制御によるランキングモデルを提供する。 我々はYahoo!のランキングとMSMarcoデータセットの学習方法を評価する。
  論文  参考訳（メタデータ） (2022-07-04T17:49:25Z)
• Robust Active Preference Elicitation [10.961537256186498]
  ペアワイズ比較クエリを適度に数えることで、意思決定者の好みを抽出する問題について検討する。 私たちは、不足するリソースを割り当てるためのポリシーを選択する場合など、高利害ドメインのアプリケーションによって動機付けられています。
  論文  参考訳（メタデータ） (2020-03-04T05:24:08Z)

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。