論文の概要: TGR-EvoDAG: A DAG-based Multi-Agent Code Evolution Framework for Generative Recommendation on Tencent
- arxiv url: http://arxiv.org/abs/2610.32326v1
- Date: Fri, 23 Oct 2026 08:23:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.433763
- Title: TGR-EvoDAG: A DAG-based Multi-Agent Code Evolution Framework for Generative Recommendation on Tencent
- Title（参考訳）: TGR-EvoDAG:Tencent上のジェネレーティブレコメンデーションのためのDAGベースのマルチエージェントコード進化フレームワーク
- Abstract要約: 生成レコメンデーション(GR)に適したマルチエージェントコード進化フレームワークTGR-EvoDAGを提案する。
TGR-EvoDAGは、コード進化をDAG(Directed Acyclic Graph)としてモデル化し、複数の進化ブランチを維持し、補完的なイノベーションを統合する。
パブリックなAmazonデータセットでは、TGR-EvoDAGは完全なGRパイプラインの最初の自律的進化を可能にする。
- 参考スコア（独自算出の注目度）: 29.519073175934043
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Model (LLM) agents have enabled automated code evolution for algorithm discovery. However, current recursive self-improvement (RSI) research for sequential recommendation faces a dilemma: general-purpose frameworks lack domain-specific feedback, while recommender-specific frameworks rely on linear evolution. Crucially, naively integrating them fails when applied to Generative Recommendation (GR). Unlike end-to-end models, GR relies on a module-cascaded pipeline (tokenization, pre-training, and alignment). In this paradigm, existing evolution methods suffer from: i) cost blindness, squandering budgets by ignoring stage-asymmetric retraining overheads; and ii) short-sighted evaluation, discarding promising upstream innovations that temporarily regress metrics before downstream adaptation. To bridge these gaps, we propose TGR-EvoDAG, a multi-agent code evolution framework tailored for GR. TGR-EvoDAG models code evolution as a Directed Acyclic Graph (DAG) to maintain multiple evolution branches and merge complementary innovations, unifying advanced search with rich GR diagnostic feedback. We further introduce stage-aware cost planning to optimize GPU-hour budgets, and active downstream co-adaptation to navigate temporary regressions and unlock cross-stage gains. On public Amazon datasets, TGR-EvoDAG enables the first autonomous evolution of a complete GR pipeline, improving offline metrics by up to 37.4% and Agent4Rec simulated user satisfaction by 19.7% over the strongest baseline. Furthermore, in industrial deployment on Tencent's large-scale commercial media platform, the evolved GR achieves a 12.16% relative improvement in offline Hit@1 and a statistically significant 0.40% increase in online click-through rate (CTR).
- Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、アルゴリズム発見のための自動コード進化を可能にした。
汎用フレームワークにはドメイン固有のフィードバックがなく、レコメンダ固有のフレームワークは線形進化に依存している。
重要なことは、ジェネレーティブレコメンデーション(GR)に適用した場合、それらを鼻で統合することは失敗する。
エンドツーエンドモデルとは異なり、GRはモジュールカスケードパイプライン(トークン化、事前トレーニング、アライメント)に依存している。
このパラダイムでは、既存の進化の方法には次のような問題がある。
一 段階的非対称な訓練上のオーバーヘッドを無視して費用を浪費し、予算を浪費すること。
二 下流適応前に一時的にメトリクスを後退させる有望な上流技術革新を捨て、短期的な評価。
これらのギャップを埋めるために、GRに適したマルチエージェントコード進化フレームワークであるTGR-EvoDAGを提案する。
TGR-EvoDAGは、コード進化をDAG(Directed Acyclic Graph)としてモデル化し、複数の進化ブランチを維持し、補完的なイノベーションを統合する。
さらに、GPU時間予算を最適化するためのステージアウェアのコスト計画や、一時的な回帰をナビゲートし、ステージ間のゲインをアンロックするためのアクティブな下流のコ適応も導入します。
パブリックなAmazonデータセット上で、TGR-EvoDAGは完全なGRパイプラインの最初の自律的進化を可能にし、オフラインメトリクスを最大37.4%改善し、Agent4Recは最強のベースラインに対して19.7%のユーザ満足度をシミュレートした。
さらに、Tencentの大規模商用メディアプラットフォームへの産業展開において、進化したGRは、オフラインのHit@1において12.16%の相対的な改善と、統計的に有意なオンラインクリックスルーレート(CTR)の増加を実現している。
関連論文リスト
- WeGR: Towards Unified Generative Retrieval via Behavior-aware Tokenization and Preference Alignment [3.38771188110133]
2つの補完的なコンポーネントを持つ統一GRフレームワークであるWeGRを提案する。
CoCo-VAEは、クエリ・ツー・イテムとアイテム・ツー・イテムの協調的な信号を量子化の前に連続的な表現に注入する。
DHPOは報酬評価と政策最適化の地平線を徐々に拡大し、報酬の分散を緩和する。
論文 参考訳（メタデータ） (2026-10-12T15:38:47Z) - RRSI: Regularized Recursive Self-Improvement of Agent Harnesses [76.77275934611428]
正規化再帰的自己改善型エージェント・ハーネス(RRSI)
本稿では、正規化の原則を取り入れたRRSIを紹介し、進化候補の提案と選択を制約することで自己改善を活用する。
RRSIは5つのアウト・オブ・ディストリビューション・ベンチマークで14.1ポイント、最大4.7ポイントを獲得し、非正規化進化よりも30%少ないポリシートークンで動作するハーネスを生産している。
論文 参考訳（メタデータ） (2026-09-21T17:54:49Z) - Self-Evolving Memory for Generative Recommendation [100.15207958893029]
生成的レコメンデーションは、パーソナライズされたレコメンデーションのための有望なエンドツーエンドパラダイムとして登場した。
継続的再訓練や蒸留に基づく適応といった既存の進化戦略は、共有モデルパラメータを直接更新する。
本稿では,異種行動パターン間の効果的な進化を実現することを目的とした,自己進化型メモリパラダイムを提案する。
論文 参考訳（メタデータ） (2026-09-14T14:00:38Z) - TGR: Advancing Industrial Recommendation from Generative-Paradigm Ranking toward Unified Generation and Reasoning [11.12417271350583]
産業推薦システムは典型的にはカスケード検索、事前ランク付け、ランキング付け、再ランク付けに頼っている。
本稿では,TGR(Tencent Generative Recommendation)について紹介する。
TGRはTencentのプロダクションサーフェスにデプロイされ、数億のユーザが利用できる。
論文 参考訳（メタデータ） (2026-09-01T09:41:26Z) - Teaching LLMs to Self-Evolve: Cultivating Core Meta-Skills with Reinforcement Learning [51.17262419591891]
AlphaEvolveが示すように、環境フィードバックによる反復的自己進化によるテスト時間のスケーリングは、顕著なパフォーマンス向上を示している。
本稿では,データ合成パイプライン,進化対応強化学習,推論時進化探索によるメタスキル開発を目的としたMetaEvolveを提案する。
論文 参考訳（メタデータ） (2026-07-24T04:35:29Z) - GAE: Graph-Augmented Evolution for Scientific Discovery via Reinforcement Optimization [1.7188280334580195]
GAE(Graph-Augmented Evolution)は,大規模言語モデル(LLM)によってガイドされるプログラム探索のためのフレームワークである。
我々は、リレーショナルグラフニューラルネットワーク(GNN)を用いて、プログラムを型付き計算グラフに解析し、構造対応の埋め込みを生成する。
RL最適化メタコントローラは、これらの埋め込みを活用して、視覚的進化的サンプリングを指示されたポリシーで置き換える。
論文 参考訳（メタデータ） (2026-07-11T05:32:54Z) - Group-Graph Policy Optimization for Long-Horizon Agentic Reinforcement Learning [85.02566758103008]
Group-Graph Policy Optimization (G2PO) は、マルチターンエージェントタスクに適したグループベースの強化学習アルゴリズムである。
G2POは最先端のプロンプトベースとRLベースラインを大幅に上回り、GRPOよりも最大22.2%の成功率の向上を達成した。
論文 参考訳（メタデータ） (2026-06-22T08:12:47Z) - Learning to Reflect and Correct: Towards Better Decoding Trajectories for Large-Scale Generative Recommendation [14.679550929790151]
Generative Recommendation (GR) は大規模レコメンデーションシステムにおいて有望なパラダイムとなっている。
本稿では,GRC(Generation-Reflection-Correction)プロセスに標準デコードを拡張するGRのための構造化反射補正フレームワークを提案する。
本稿では,効率的なオンラインサービスを実現するために,高不確実性復号化により多くの補正予算を動的に割り当てる Entropy-Guided Reflection Scheduling (EGRS) 戦略を提案する。
論文 参考訳（メタデータ） (2026-02-27T03:22:58Z) - iGRPO: Self-Feedback-Driven LLM Reasoning [88.83313431248473]
大規模言語モデル(LLM)は複雑な数学的問題を解く上で有望であるが、正確で一貫したソリューションを生み出すには至っていない。
IGRPO(Iterative Group Relative Policy Optimization)は、モデル生成ドラフトを通じて動的自己条件を追加するGRPOの2段階拡張である。
一致するロールアウト予算の下では、iGRPOはGRPOをベースモデルで一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-09T18:45:11Z)
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。