論文の概要: EvoRec: A Unified Self-Evolving Agentic Recommender with Dynamic Reflection Trees

• arxiv url: http://arxiv.org/abs/2611.01977v1
• Date: Sun, 01 Nov 2026 15:15:00 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:57:02.935985
• Title: EvoRec: A Unified Self-Evolving Agentic Recommender with Dynamic Reflection Trees
• Title（参考訳）: EvoRec: 動的反射木を用いた統合自己進化型エージェントレコメンダ
• Abstract要約: EvoRecは、自律的な意思決定とリフレクション駆動の自己進化を組み合わせた統合されたエージェントレコメンデーションフレームワークである。 Need Agentは、長期、短期、およびワーキングメモリからユーザニーズを推測する。 計画エージェントは、行動継続と必要満足度の間の検索予算を適応的に割り当て、検索ツールを選択し、ランキング融合重量を設定する。 ユーザからのフィードバックに従って、Dynamic Reflection Treeは、必要な推論、計画、あるいは以前の修復の失敗を特定し、パーソナライズされた修正を提案し、リプレイを通じて検証する。
• 参考スコア（独自算出の注目度）: 18.85438000469088
• License:
• Abstract: Conventional recommender systems rely on fixed cascaded pipelines, limiting their ability to adapt to evolving user needs and feedback. Existing agentic recommenders introduce reasoning and tool use but often lack end-to-end decision control and systematic failure reflection. We propose EvoRec, a unified agentic recommendation framework that combines autonomous decision-making with reflection-driven self-evolution. A Need Agent infers user needs from long-term, short-term, and working memory. A Planning Agent adaptively allocates retrieval budgets between Behavior Continuation and Need Satisfaction, selects retrieval tools, and sets ranking-fusion weights. An Acting Executor executes the plan and records decision traces. Following user feedback, a Dynamic Reflection Tree identifies failures in need inference, planning, or previous repairs, proposes personalized corrections, and validates them through replay. Verified repairs update working memory and are distilled into reusable cross-user strategies, enabling continual improvement without parameter updates. Experiments on a Kuaishou local-services advertising dataset show a 15.7% Hit@50 improvement over the strongest baseline. Hierarchical reflection further improves Hit@50 by 13.1% among users with prior repairs. In a seven-day online A/B test, nearline EvoRec increases advertising revenue by 4.6% and CTCVR by 3.5%, with a 14.5% revenue gain for high-intent users. These results demonstrate the effectiveness of reflection-driven self-evolution in industrial-scale recommendation.
• Abstract（参考訳）: 従来のレコメンデータシステムは固定カスケードパイプラインに依存しており、進化するユーザニーズやフィードバックに適応する能力を制限する。 既存のエージェント推奨者は推論とツールの使用を導入するが、しばしばエンドツーエンドの意思決定制御と系統的な失敗の反映を欠いている。 自律的意思決定とリフレクション駆動型自己進化を組み合わせた統合エージェントレコメンデーションフレームワークであるEvoRecを提案する。 Need Agentは、長期、短期、およびワーキングメモリからユーザニーズを推測する。 計画エージェントは、行動継続と必要満足度の間の検索予算を適応的に割り当て、検索ツールを選択し、ランキング融合重量を設定する。 実行実行者は計画を実行し、決定トレースを記録します。 ユーザからのフィードバックに従って、Dynamic Reflection Treeは、必要な推論、計画、あるいは以前の修正の失敗を特定し、パーソナライズされた修正を提案し、リプレイを通じて検証する。 検証済みの修復は動作メモリを更新し、再利用可能なクロスユーザー戦略に蒸留し、パラメータ更新なしで継続的な改善を可能にする。 Kuaishouのローカルサービス広告データセットの実験では、最強のベースラインよりも15.7%のHit@50が改善されている。 階層的リフレクションによりHit@50が13.1%向上する。 7日間のオンラインA/Bテストで、EvoRecは広告収入を4.6%増加させ、CTCVRを3.5%増加させ、高インテントユーザーにとって14.5%の収益を上げている。 これらの結果は,産業規模の推薦におけるリフレクション駆動型自己進化の有効性を示す。

関連論文リスト

• Agent-Reflex: Teaching Language Agents to Act Reflectively [135.81207159393864]
  Agent-Reflexは、プロアクティブリフレクションをエージェントにインセンティブを与えるためのトレーニングフレームワークである。 Qwen3-8Bで構築されたエージェント-リフレックスは5つの長期ツール使用ベンチマークで58.6に到達した。
  論文  参考訳（メタデータ） (2026-10-13T08:36:20Z)
• 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)
• CAFE: Self-Improving Search Agents Need Co-Evolving Feedback [64.5257526832476]
  アウトカム管理された検索エージェントは、いつ、どのように証拠を回収するかを学習するが、端末の報酬は中間エラーのローカライズも、それらのエラーが複雑になる前に継続する軌道のリダイレクトもしない。 学習した軌道内での介入として修正的フィードバックを扱うことは、エージェントがいつフィードバックを要求し使用するかを決めなければならないのに対し、批評家は、エージェントが改善するにつれて障害パターンが変化する結果構築されたロールアウトから有用な修正を推測しなければならない。
  論文  参考訳（メタデータ） (2026-08-25T16:39:00Z)
• PILOT Technical Report [12.594036897595993]
  PILOT(Proactive Insight Learner for Online Tree-Experiments)は、制約のある制御ループ内で3つの役割を編成する。 マネージャはエージェントを積極的にし、プランナーはグローバルチューニングを超えて人口レベルのパーソナライズを可能にし、キュレーターはすべての完了したタスクを次の学習機会に変える。 5つの実験的なバケットでTaobaoのプラットフォーム上にデプロイされたPILOTは、ライフサイクルガバナンスや構造化仮説テストのないフリー探索エージェントであるROAM(Reactive Optimization with Agent-driven Moves)と比較される。
  論文  参考訳（メタデータ） (2026-08-19T07:35:10Z)
• EvoRec: Self Evolving Agentic Recommender Systems [10.224777595221445]
  提案するEvoRecは,推薦モデルと最適化手法を共進化させるフレームワークである。 EvoRecは最強のベースラインに対して、オフラインメトリクスを最大5.54%改善する。
  論文  参考訳（メタデータ） (2026-06-15T08:36:01Z)
• Reinforced Agent: Inference-Time Feedback for Tool-Calling Agents [6.158612515104146]
  エージェントフィードバックとレビュアーフィードバックのトレードオフを測定するために、ヘルプフルネス・ハームフルネスメトリクスを導入します。 我々はBFCLとTau2-Bench(マルチターンステートフルシナリオ)に対するアプローチを評価し、無関係検出では+5.5%、マルチターンタスクでは+7.1%を達成した。 GPT-4oでは,評価モデルo3-miniが3:1の利益率と2.1:1の利益率を達成した。
  論文  参考訳（メタデータ） (2026-04-29T22:09:47Z)
• Internalizing Agency from Reflective Experience [20.650609947690196]
  LEAFEは、リカバリエージェンシーをリフレクティブエクスペリエンスから内部化するフレームワークである。 ベースモデルよりも一貫してPass@1を改善し、結果駆動ベースラインよりも高いPass@kを実現している。
  論文  参考訳（メタデータ） (2026-03-17T17:50:47Z)
• Inference-Time Scaling of Verification: Self-Evolving Deep Research Agents via Test-Time Rubric-Guided Verification [71.98473277917962]
  近年のDeep Research Agents (DRA) の進歩は、自動知識発見と問題解決に変化をもたらしている。 本稿では,政策モデルのアウトプットを反復的に検証することで,エージェントの能力を自己進化させる手法を提案する。 検証の非対称性を生かしたルーブリックスに基づく結果報酬検証器であるDeepVerifierを提案する。
  論文  参考訳（メタデータ） (2026-01-22T09:47:31Z)
• Agentic Feedback Loop Modeling Improves Recommendation and User Simulation [55.857164472712455]
  本稿では,リコメンデーションエージェントとユーザエージェントの協調を支援するために,フィードバックループプロセスを強調する新しいフレームワークを提案する。 この反復的なプロセスは、両方のエージェントがユーザの振る舞いを推測する能力を高め、より効果的なアイテムレコメンデーションとより正確なユーザーシミュレーションを可能にします。
  論文  参考訳（メタデータ） (2024-10-26T00:51:39Z)

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。