論文の概要: Baseline and Incremental: User, Item, and Request Debiasing in Instagram Feed Ranking

• arxiv url: http://arxiv.org/abs/2610.27423v1
• Date: Tue, 20 Oct 2026 00:20:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.558045
• Title: Baseline and Incremental: User, Item, and Request Debiasing in Instagram Feed Ranking
• Title（参考訳）: ベースラインとインクリメンタル:Instagramのフィードランキングにおけるユーザ、アイテム、リクエストのデバイアス
• Abstract要約: フィードローダは、エンゲージメント予測の重み付き和であるバリューモデルで候補をスコアする。 我々は、多信号値モデルが生の予測を維持し、段階的な部分を別々に重み付けされた項として追加すべきであると主張する。
• 参考スコア（独自算出の注目度）: 61.170262377266575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A feed ranker scores candidates with a value model, a weighted sum of engagement predictions. Each prediction conflates a baseline, what this viewer, item or request would produce anyway, with the incremental amount by which this candidate exceeds it. The literature mostly removes the baseline. We argue that a multi-signal value model should keep the raw prediction and add the incremental part as a separately weighted term. On Instagram Feed, three debiasing families deployed independently, for viewer habit, item popularity and request context, are one parameterised operator, and a design procedure picks a point in it. Media-type (format) bias goes instead to a debiased label chosen by the same procedure. In a controlled four-arm ablation of deployed Feed terms (neither term, each alone, both), the two-term arm beats both single-term arms at production weights on point estimates in 11 of 13 judged (term, metric) pairs. Of the 26 direct contrasts, 17 are significantly for it and only 1 against it, on impressions. The ablation also suggests that the offline diagnostic should screen signals, not rank them. Such terms have served Instagram Feed production for most of a year. Beyond Feed, Meta, whose apps serve billions of people, has adopted the operator across surfaces, apps and both ranking stages. Its launches there drive sessions and daily active users, the core visitation and retention metrics.
• Abstract（参考訳）: フィードローダは、エンゲージメント予測の重み付き和であるバリューモデルで候補をスコアする。 各予測はベースライン、このビューアー、アイテム、リクエストがいずれにせよ生成するものと、この候補がそれを超えるインクリメンタルな量とを混同する。 文学は概ね基線を取り除いている。 我々は、多信号値モデルが生の予測を維持し、段階的な部分を別々に重み付けされた項として追加すべきであると主張する。 Instagram Feedでは、視聴者の習慣、アイテムの人気度、リクエストコンテキストの3つの嫌悪家族が1つのパラメータ化されたオペレーターであり、デザイン手順がその中のポイントを選択する。 メディアタイプの(形式的な)バイアスは、代わりに同じ手順で選択されたバイアス付きラベルに適用される。 展開されたフィード用語の制御された4つのアームのアブレーション(どちらの用語も単独でも両方で)において、この2つのタームアームは、判定された13のペアのうち11のポイント推定値で、生産重量で両方の単一タームアームを打ち負かす。 26の直接のコントラストのうち、17は印象に大きく影響し、1つしか反対しない。 アブレーションはまた、オフライン診断は信号を表示すべきであり、それらをランク付けすべきではないことを示唆している。 こうした条件はInstagramのフィード・プロダクションを1年の大半にわたって提供してきた。 フィード以外にも、Metaは何十億ものユーザーにサービスを提供している。 そのローンチは、セッションと毎日のアクティブユーザ、コアビジテーションとリテンションのメトリクスを駆動する。

関連論文リスト

• Sona Technical Report [21.837076185962]
  本稿では,Yandex Musicの単一モデル生成レコメンデータであるSonaを紹介する。 Sonaは、共有ユーザ表現を中心に候補生成とランキングを統一する。 We evaluate Sona in a online A/B experiment using live traffic from My Vibe on smart speaker。
  論文  参考訳（メタデータ） (2026-08-11T14:58:26Z)
• Language Models Agree With Each Other, Not With Readers [1.8620637029128544]
  我々は、その目的のために構築された誰もいない人間の参照に対する収束を測定する。 120のWebドキュメントに2,523のリードマークがある。 読者が読むものよりも確実に読者に同意するモデルはない。
  論文  参考訳（メタデータ） (2026-07-31T10:44:10Z)
• Do Synthetic Personas Predict Real Audience Response? A Sim-to-Real Study Where a No-Persona Baseline Beats Persona-Based Copy Simulation [51.56484100374058]
  そこで我々は,Upworthy Research Archiveを用いて,シミュレート・トゥ・リアルな妥当性について検討する。 実際の聴衆の人口統計に基づく10人のパネルと、一般的な読者がクリックする確率をモデルに尋ねるゼロショットベースラインを比較した。
  論文  参考訳（メタデータ） (2026-07-27T17:03:03Z)
• The Single-File Test: A Longitudinal Public-Interface Evaluation of First-Output LLM Web Generation with Social Reach Tracking [0.0]
  本稿では,"HTML AI Battle"プロジェクトにおける17の公開実験から収集した68個の単一ファイルHTML世代を8週間にわたって比較した。 GPT、Gemini、Grok、Claudeの4つの推論モデルファミリは、カスタムインストラクションなし、パーソナリティチューニングなし、修理プロンプトなし、固定された公開インターフェースプロトコルで比較された。 クロードは最強で一貫した家族であり、平均的なパフォーマンスを導き、主要な人間の重み付けスコアで9/17のプロンプトを獲得した。
  論文  参考訳（メタデータ） (2026-05-06T18:19:11Z)
• Token Arena: A Continuous Benchmark Unifying Energy and Cognition in AI Inference [1.2299000423193074]
  TokenArenaは、5つのコア軸に沿って粒度エンドポイントでの推論を測定する連続ベンチマークである。 フレームワーク、スキーマ、プローブ、evalハーネス、v1.0のリーダボードスナップショットをCC BY 4.0でリリースしています。
  論文  参考訳（メタデータ） (2026-05-01T00:05:54Z)
• RankAlign: A Ranking View of the Generator-Validator Gap in Large Language Models [43.89751891729739]
  我々は,モデルが生成した解答と,その解答の検証,ジェネレータとバリケータのギャップとの相違について考察する。 この測定結果から,質問応答,語彙意味論タスク,次の単語予測など,さまざまな設定に大きなギャップがあることが分かる。 次にランキングベースのトレーニング手法である RankAlign を提案する。
  論文  参考訳（メタデータ） (2025-04-15T16:53:31Z)
• Mind the Gap! Static and Interactive Evaluations of Large Audio Models [55.87220295533817]
  大型オーディオモデル(LAM)は、音声ネイティブな体験をパワーアップするために設計されている。 本研究は,484名の参加者から,LAMを評価し,7,500名のLAMインタラクションを収集する対話的アプローチを提案する。
  論文  参考訳（メタデータ） (2025-02-21T20:29:02Z)
• Cobra Effect in Reference-Free Image Captioning Metrics [58.438648377314436]
  視覚言語事前学習モデル(VLM)を活用した参照フリー手法の普及が出現している。 本稿では,基準自由度に欠陥があるかどうかを考察する。 GPT-4Vは生成した文を評価するための評価ツールであり,提案手法がSOTA(State-of-the-art)の性能を達成することを示す。
  論文  参考訳（メタデータ） (2024-02-18T12:36:23Z)
• Bidimensional Leaderboards: Generate and Evaluate Language Hand in Hand [117.62186420147563]
  リーダーボード, 二次元リーダーボード(ビルボード)の一般化を提案する。 従来の一次元のリーダーボードがシステムに所定の基準でソートするのとは異なり、ビルボードはジェネレータと評価指標の両方を競合するエントリとして受け入れる。 いくつかの異なるメトリクスの線形アンサンブルが、場合によっては既存のメトリクスを独立して大幅に上回っていることを実証する。
  論文  参考訳（メタデータ） (2021-12-08T06:34:58Z)

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。