論文の概要: Towards Reliable, Scalable, and Value-Aligned Generative Recommendation for Large-Scale Advertising

• arxiv url: http://arxiv.org/abs/2610.38378v1
• Date: Wed, 28 Oct 2026 07:17:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.380189
• Title: Towards Reliable, Scalable, and Value-Aligned Generative Recommendation for Large-Scale Advertising
• Title（参考訳）: 大規模広告のための信頼性、スケーラブル、価値に配慮したジェネレーティブレコメンデーションに向けて
• Abstract要約: ジェネレーティブレコメンデーション(GR)は、アイテム検索を個別意味識別子(SID)の自動回帰生成として再構成する GR4AD-Xは、信頼性の高いSID構築、サービス効率のキャパシティスケーリング、統一された値アライメントによる制限に対処する。 GR4AD-Xは、デプロイされたGR4ADベースラインよりも3.07%の累積収益改善を実現している。
• 参考スコア（独自算出の注目度）: 23.44336170510783
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative recommendation (GR) reformulates item retrieval as autoregressive generation of discrete semantic identifiers (SIDs), offering a unified paradigm for personalized recommendation. GR4AD, as an industrial generative recommendation framework, has greatly improved advertising revenue while enabling efficient real-time serving in Kuaishou.However, continued deployment has exposed three limitations: deterministic SID assignment remains sensitive to semantic boundaries; conventional backbone scaling provides diminishing revenue gains under strict serving constraints; and sequence-level value optimization provides limited credit assignment to intermediate SID decisions, causing likelihood-based beam search to prematurely prune potentially high-value candidates. We present GR4AD-X, which addresses these limitations through reliable SID construction, serving-efficient capacity scaling, and unified value alignment. Specifically, GR4AD-X improves SID reliability through Multi-Path assignment. It expands model capacity along multiple complementary dimensions rather than relying solely on wider or deeper backbones, achieving a better effectiveness-efficiency trade-off under strict serving constraints. Finally, Unified Value-Guided Generation and Discrimination (UniVGD) aligns generation with commercial value through prefix-level reward optimization, value-guided beam pruning, and discriminative reranking within a unified model. Large-scale online A/B tests on the Kuaishou advertising platform demonstrate that GR4AD-X achieves a cumulative revenue improvement of 3.07% over the deployed GR4AD baseline while satisfying strict latency and throughput constraints.
• Abstract（参考訳）: ジェネレーティブレコメンデーション(GR)は、アイテム検索を個別のセマンティック識別子(SID)の自動回帰生成として再構成し、パーソナライズされたレコメンデーションのための統一パラダイムを提供する。 GR4ADは,産業生成推薦フレームワークとして,クアイシュにおける効率的なリアルタイムサービスを実現するとともに,広告収益を大幅に向上させた。しかしながら,継続展開では,決定論的SID割り当てはセマンティックバウンダリに敏感なままであり,従来のバックボーンスケーリングは厳密なサービス制約の下で収益ゲインを減少させ,シーケンスレベルの価値最適化は中間SID決定に対する限定的なクレジット割り当てを提供し,潜在的に高価値候補を早期に調達する,という3つの制限が明らかにされている。 GR4AD-Xは、信頼性の高いSID構築、サービス効率のキャパシティスケーリング、統一値アライメントにより、これらの制限に対処する。 具体的には、GR4AD-Xはマルチパス割り当てによりSIDの信頼性を向上させる。 モデルキャパシティは、より広いあるいは深いバックボーンにのみ依存するのではなく、複数の補完的な次元に沿って拡張され、厳格なサービス制約の下で、より良い効率効率のトレードオフを達成する。 最後に、Unified Value-Guided Generation and Discrimination (UniVGD)は、プレフィックスレベルの報酬最適化、値誘導ビームプルーニング、統一モデル内での差別的再評価を通じて、生成を商業的価値と整合させる。 Kuaishouの広告プラットフォーム上での大規模オンラインA/Bテストでは、GR4AD-Xは、厳格なレイテンシとスループットの制約を満足しながら、デプロイされたGR4ADベースラインよりも3.07%の累積収益改善を実現している。

関連論文リスト

• Generative Recommendation for Large-Scale Advertising [43.694084612630554]
  私たちは、アーキテクチャ、学習、サービスにまたがって共同設計された生産指向のジェネレーティブレコメンデータを紹介します。 GR4ADは4億人以上のユーザーがいるKuaishou広告システムに完全にデプロイされている。
  論文  参考訳（メタデータ） (2026-02-26T08:15:26Z)
• Unifying Ranking and Generation in Query Auto-Completion via Retrieval-Augmented Generation and Multi-Objective Alignment [8.610245271469267]
  クエリオートコンプリート(QAC)では,ユーザが入力するクエリ補完が提案されている。 伝統的なレトリート・アンド・ランクパイプラインは、長い尾のカバレッジが限られており、広範な機能エンジニアリングを必要としている。 本稿では,QACをRAG(Retrieval-Augmented Generation)とDPO(Multi-objective Direct Preference Optimization)を通じて,エンドツーエンドのリスト生成として再構成する統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T05:15:07Z)
• BAPO: Boundary-Aware Policy Optimization for Reliable Agentic Search [72.87861928940929]
  バウンダリ・アウェア・ポリシー・オプティマイゼーション(BAPO)は、信頼性の高い境界認識を精度を損なうことなく育成する新しいRLフレームワークである。 BAPOは2つの重要な要素を導入する: (i) グループベースの境界対応報酬(i) 推論が限界に達したときのみIDK応答を促進させる) 適応報酬変調器(ii) 早期探索中にこの報酬を戦略的に停止させ、モデルがIDKをショートカットとして利用するのを防ぐ。
  論文  参考訳（メタデータ） (2026-01-16T07:06:58Z)
• MAESTRO: Meta-learning Adaptive Estimation of Scalarization Trade-offs for Reward Optimization [56.074760766965085]
  大規模言語モデル(LLM)の整合性のための効率的なパラダイムとしてグループ相対政策最適化が登場している。 我々は,報酬スカラー化を動的潜在ポリシーとして扱い,モデルの終端隠蔽状態を意味的ボトルネックとして活用するMAESTROを提案する。 本稿では,軽量コンダクタネットワークがメタリワード信号としてグループ相対的優位性を生かしてポリシと共進化する,双方向最適化フレームワークにおけるコンテキスト的帯域幅問題としてこれを定式化する。
  論文  参考訳（メタデータ） (2026-01-12T05:02:48Z)
• Overcoming Joint Intractability with Lossless Hierarchical Speculative Decoding [58.92526489742584]
  我々は無益な無益な提案をする。 承認されたトークンの数を大幅に増加させる検証方法。 HSDは様々なモデルファミリやベンチマークの受け入れ率に一貫した改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-01-09T11:10:29Z)
• Anchoring Values in Temporal and Group Dimensions for Flow Matching Model Alignment [61.80228667422234]
  VGPOは時間次元とグループ次元の両方で値の推定を再定義する。 スパース端末の報酬を密度の高いプロセス認識値推定に変換する。 標準群正規化を絶対値によって強化された新しいプロセスに置き換え、安定した最適化信号を維持する。
  論文  参考訳（メタデータ） (2025-12-13T16:31:26Z)
• Understanding Generative Recommendation with Semantic IDs from a Model-scaling View [57.471604518714535]
  Generative Recommendation (GR)は、リッチアイテムのセマンティクスと協調フィルタリング信号を統合する。 一般的なアプローチの1つは、セマンティックID(SID)を使用して、自動回帰ユーザーインタラクションシーケンスモデリングのセットアップでアイテムを表現することである。 SIDをベースとしたGRは,モデルをスケールアップしながら大きなボトルネックを示す。 我々は、大規模言語モデル(LLM)を直接レコメンデーションとして使用する別のGRパラダイムを再考する。
  論文  参考訳（メタデータ） (2025-09-29T21:24:17Z)

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。