論文の概要: Don't Rewrite the SID Map: Topology Preservation for Generative Retrieval in Dynamic E-Commerce Search

• arxiv url: http://arxiv.org/abs/2610.26105v1
• Date: Mon, 19 Oct 2026 10:01:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:18:53.563281
• Title: Don't Rewrite the SID Map: Topology Preservation for Generative Retrieval in Dynamic E-Commerce Search
• Title（参考訳）: SIDマップの書き直し:動的Eコマース検索における生成検索のためのトポロジー保存
• Abstract要約: 生成検索は、各項目に個別意味識別子(SID)を割り当て、自動的にSIDシーケンスを生成してアイテムを検索する。 しかし、各アップデートは、検索者が既に学んだ検索パスを無効にすることができる。 本研究では,67日間にわたる大規模なeコマース検索ログの広範囲な制御実験により,この問題を考察する。
• 参考スコア（独自算出の注目度）: 6.554921533462379
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative retrieval assigns each item a discrete semantic identifier (SID) and retrieves items by autoregressively generating SID sequences. In dynamic environments such as e-commerce, new items arrive continuously, requiring periodic updates to the SID-to-Item mapping and model to maintain retrieval timeliness. Each update, however, can invalidate search paths already learned by the retriever, and the quantitative relationship between mapping change and retrieval quality has not been systematically characterized. We study this problem with extensive controlled experiments over 67 days of large-scale e-commerce search logs and obtain three core findings. (1) SID semantic drift causes severe retrieval degradation that may be masked by large beam sizes: mapping updates reduce HitRate by 41.78-62.05% at beam size 1 but only 8.33-10.85% at beam size 1000, as redundant candidate generation conceals the true severity of drift. (2) The fraction of changed SIDs is strictly monotonically related to retrieval quality: as the remapped fraction increases from 0% to 72.75%, HitRate decreases monotonically, dropping up to 42.66% at beam size 1. Full remapping remains substantially worse than the preservation policy under warm-start training, indicating that short-budget continued training alone cannot repair topology disruption. (3) The SID topology-preserving principle makes even the simplest warm-start strategy highly effective: fixing old-item SIDs, inserting new-items, and warm-starting from the previous model improves old-item HitRate by 10% and new-item HitRate by 109%, validated across two non-overlapping update cycles. These findings distill into a concise deployment principle: insert new-items, freeze old-items; warm-start when possible, otherwise freeze; never change SIDs the model has already learned. A three-week online A/B test on TmallAPP shows UCTCVR +0.29% and GMV +1.16%.
• Abstract（参考訳）: 生成検索は、各項目に個別意味識別子(SID)を割り当て、自動的にSIDシーケンスを生成してアイテムを検索する。 eコマースのような動的な環境では、新しいアイテムが継続的に到着し、SID-to-Itemマッピングの定期的な更新と、検索タイムラインを維持するためのモデルが必要となる。 しかし、各更新は、検索者が既に学習した検索パスを無効にすることができ、マッピング変更と検索品質の量的関係は、体系的に特徴づけられていない。 本研究では,67日間にわたる大規模なeコマース検索ログの広範囲な制御実験を行い,その中核となる3つの知見を得た。 1) SID のセマンティックドリフトは, 大きなビームサイズで隠蔽される深刻な検索劣化を引き起こす: マッピング更新により, ビームサイズ 1 では 41.78-62.05% 削減されるが, ビームサイズ 1000 では 8.33-10.85% しか減少せず, 冗長な候補生成はドリフトの真重度を隠蔽する。 2) 変化したSIDの分画は、検索品質に厳密に単調に関係しており、再マップされた分画が0%から72.75%に増加するにつれて、ヒトレートは単調に減少し、ビームサイズ1で42.66%まで減少する。 完全再マッピングは温暖化開始訓練における保存政策よりも著しく悪化しており、短期予算の継続訓練だけではトポロジーの破壊を修復できないことが示唆されている。 3) SIDトポロジ保存の原則は,従来のSIDの修正,新しいSIDの挿入,以前のモデルからのウォームスタートといった,最も単純なウォームスタート戦略を極めて効果的に実現している。 これらの発見は、新しい点を挿入し、古い点を凍結し、可能であればウォームスタートし、そうでなければ凍結し、モデルが既に学んだようなSIDを変えないという、簡潔な展開原理に精査する。 TmallAPPの3週間のオンラインA/Bテストでは、UCTCVR +0.29%とGMV +1.16%が示されている。

関連論文リスト

• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)
• TAAL: Mitigating Early Beam Pruning in Generative Recommendation via Temporal Autoregressive Alignment [11.416581885243964]
  生成レコメンデーションは、アイテムを階層的セマンティック識別子(SID)としてエンコードし、自動回帰デコーディングを通じて次のアイテムを検索する。 しかし、標準的な次トーケン予測では、相互作用系列に存在するマルチモーダル遷移を明示的にカバーしておらず、初期のビーム探索枝における不可逆プルーニングに弱いSIDを残している。 この問題を解決するために,時間的自己回帰アライメント(TAAL)を提案する。 Amazon Beauty、Yelp、およびAmazon Instrumentsでは、TAALは標準ベースラインのNDCG@10をそれぞれ39.5%、6.7%、28.6%改善し、フルに増加している。
  論文  参考訳（メタデータ） (2026-08-29T10:11:47Z)
• From a Static Multi-Level Small Semantic Codebook to a Dynamic Single-Level Large Semantic Codebook for Generative Recommendation [17.4418123744239]
  生成レコメンデーションは、各項目を個別のセマンティックID(SID)シーケンスで表現し、そのシーケンスを予測して次の項目を取得する。 アイテム衝突を減らすために、個別に協調的曖昧化トークンを保持しながら、複数の残余意味コードを1つの意味トークンに置き換えるシングルレベルな大規模意味コードブックを提案する。
  論文  参考訳（メタデータ） (2026-08-21T11:58:44Z)
• DREAM: Dynamic Refinement of Early Assignment Mappings [7.781421530363403]
  現在のメソッドは、ユーザーからの十分なフィードバックが観測される前に、オフライントークン化を通じて各アイテムに1つの静的識別子を割り当てる。 我々は、このワンショットコミットメントを、SIDベースの生成レコメンデーションにおける基本的なコールドスタートボトルネックとみなす。 本稿では,この欠陥を解決する3段階のフレームワークであるDREAMを提案する。
  論文  参考訳（メタデータ） (2026-06-05T06:21:01Z)
• Mitigating Collaborative Semantic ID Staleness in Generative Retrieval [0.0]
  セマンティックID(SID)を用いた生成検索では,各項目を個別の識別子として割り当て,シーケンス生成問題として扱う。 相互作用パターンが時間とともに漂うにつれて、SIDは時代遅れになり、コラボレーティブセマンティクスは最近のログともはや一致しない。 本稿では,軽量でモデルに依存しないSIDアライメント更新を提案する。
  論文  参考訳（メタデータ） (2026-04-14T20:06:48Z)
• SE-Search: Self-Evolving Search Agent via Memory and Dense Reward [87.79131676521656]
  Retrieval augmented generation (RAG)は、検索した外部知識を条件づけることにより、大規模言語モデル(LLM)における幻覚や事実エラーを低減する。 既存の手法は、無関係または騒々しい文書を蓄積し、希少な強化学習信号に依存することが多い。 我々は,3つのコンポーネントによるオンライン検索行動を改善するセルフ進化検索エージェントであるtextbfSelf-textbfEvolving textbfSearchを提案する。
  論文  参考訳（メタデータ） (2026-02-06T09:14:07Z)
• DuET: Dual Incremental Object Detection via Exemplar-Free Task Arithmetic [12.91797400491484]
  自律走行や監視のような現実世界の物体検出システムは、新しい対象カテゴリーを継続的に学習する必要がある。 既存のアプローチでは、クラスインクリメンタルオブジェクト検出(CIOD)とドメインインクリメンタルオブジェクト検出(DIOD)がこの課題の1つの側面にのみ対応している。 DuIOD(Dual Incremental Object Detection)は,クラスとドメインのシフトを同時に処理する,より実用的な設定法である。
  論文  参考訳（メタデータ） (2025-06-26T13:41:47Z)
• DSI++: Updating Transformer Memory with New Documents [95.70264288158766]
  DSI++は、DSIが新たなドキュメントをインクリメンタルにインデクシングするための継続的な学習課題である。 新たな文書の連続的な索引付けは,それまでの索引付け文書をかなり忘れてしまうことを示す。 文書の擬似クエリをサンプルとして生成メモリを導入し、連続的なインデックス付け中に補足することで、検索タスクの忘れを防止する。
  論文  参考訳（メタデータ） (2022-12-19T18:59:34Z)

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。