論文の概要: E-GenRM: Generative Reward Modeling for Open-Ended E-Commerce Shopping Agents
- arxiv url: http://arxiv.org/abs/2611.03008v1
- Date: Mon, 02 Nov 2026 12:10:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 13:57:25.686076
- Title: E-GenRM: Generative Reward Modeling for Open-Ended E-Commerce Shopping Agents
- Title（参考訳）: E-GenRM: オープンエンディング型Eコマースショッピングエージェントの世代別リワードモデリング
- Abstract要約: E-GenRM(E-Commerce Generative Reward Model、E-GenRM)は、電子商取引業者向けに開発された商品報酬モデルである。
E-GenRMは、まず、教師付き微調整を通して行動基底評価チェーンから学習する。
そして、基準誘導型強化学習によって最適化され、正しい選好判断と証拠に支持された事実主張に報いる。
- 参考スコア（独自算出の注目度）: 19.622585420800764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present E-GenRM (E-commerce Generative Reward Model), a generative reward model tailored to e-commerce shopping agents. User expectations are shifting from simple product queries to open-ended shopping tasks. However, existing trajectories and reward designs remain largely bounded by current agent usage patterns and known failures, providing limited guidance for further capability improvement. These limitations call for an integrated reward modeling framework for open-ended shopping agent tasks. On the data side, E-GenRM leverages naturally occurring user behavior across the shopping app to construct diverse, long-horizon conversational trajectories beyond established usage patterns. On the modeling side, E-GenRM first learns from behavior-grounded evaluation chains through supervised fine-tuning. It is then optimized through criterion-guided reinforcement learning, which rewards correct preference judgments and evidence-supported factual claims under each criterion. Personalized hard-negative training further improves its sensitivity to user preferences reflected in shopping behavior, beyond explicit requirements. We additionally develop an active evidence retrieval extension that acquires missing e-commerce information for evaluation. On E-GenRM-Bench, E-GenRM-27B achieves 87.40\% preference accuracy, outperforming the strongest baseline by 6.97 percentage points. In a 14-day online A/B test on Taobao, a shopping agent post-trained with E-GenRM improves the effective shopping-assistance rate by 1.39 percentage points and user satisfaction by 2.33 percentage points.
- Abstract（参考訳）: 本稿では,E-GenRM(E-Commerce Generative Reward Model)を提案する。
ユーザからの期待は、シンプルな製品クエリから、オープンなショッピングタスクへとシフトしている。
しかし、既存の軌道と報酬の設計は、現在のエージェントの使用パターンと既知の失敗に大きく左右され、さらなる能力向上のための限られたガイダンスを提供する。
これらの制限は、オープンエンドショッピングエージェントタスクのための統合された報酬モデリングフレームワークを必要とする。
データ側では、E-GenRMは、ショッピングアプリ全体で自然に発生するユーザー行動を利用して、確立された利用パターンを超えて、多種多様で長期にわたる会話軌跡を構築する。
モデリングの面では、E-GenRMはまず、教師付き微調整を通して振る舞いに基づく評価チェーンから学習する。
次に、基準誘導型強化学習により最適化され、各基準の下で正しい優先判断と証拠支持の事実的主張を報いる。
パーソナライズされたハードネガティブトレーニングは、明示的な要求を超えて、ショッピング行動に反映されるユーザの嗜好に対する感受性をさらに向上する。
また,評価のための電子商取引情報を取得するアクティブエビデンス検索拡張を開発する。
E-GenRM-Benchでは、E-GenRM-27Bは87.40\%の選好精度を達成し、最強のベースラインを6.97ポイント上回っている。
タオバオでの14日間のオンラインA/Bテストでは、E-GenRMでトレーニングしたショッピングエージェントが、有効ショッピング支援率を1.39ポイント改善し、ユーザ満足度を2.33ポイント改善した。
関連論文リスト
- Predictive Analytics in E-Commerce for CustomerBehavior Forecasting using hybrid Ret-DNN withXGBoost Model [0.4562885515693867]
本研究では,Retail Deep NeuralNetwork(Ret-DNN)とExtreme Gradient Boosting(XGBoost)モデルを組み合わせたハイブリッドモデルを提案する。
提案した Ret-DNN XGBoost モデルは,既存の Ret-DNN モデルと比較して,aMean Absolute Error (MAE) 0.2193 を達成することで,より良い結果を得た。
論文 参考訳（メタデータ） (2026-06-16T13:41:14Z) - Action-Aware Generative Sequence Modeling for Short Video Recommendation [50.74467504063892]
ショートビデオには様々な部分が含まれており、ユーザーはそれらすべてに対して同じ態度を取ることはできない。
従来のバイナリ分類レコメンデーションモデルは、ビデオを単一の全体的エンティティとして扱うが、そのような微妙な好みを正確に捉えるには限界に直面している。
本稿では,時間的次元に沿ってユーザアクションを洗練させる行動認識生成系列ネットワーク(A2Gen)を提案する。
論文 参考訳（メタデータ） (2026-04-28T16:41:04Z) - ChatShopBuddy: Towards Reliable Conversational Shopping Agents via Reinforcement Learning [88.87305027895657]
本研究では,現実シナリオにおけるショッピングエージェントの強化学習に基づく最適化について検討する。
エージェントは、客観的指標(生産的正確性)、主観的品質(説得性)、成果報酬(最終応答品質)、プロセス報酬(ツール効率)にまたがる複数の相互依存目標を同時に満たさなければならない。
実験の結果、我々のRL学習エージェントであるChatShopBuddyは、一般的な推論に依存する大きなモデルよりも一貫して優れています。
論文 参考訳（メタデータ） (2026-03-06T09:18:51Z) - One Model to Critique Them All: Rewarding Agentic Tool-Use via Efficient Reasoning [54.580646706013965]
リワードモデル(RM)は、大きな言語モデルと人間の嗜好の整合において重要な役割を果たす。
一般的なツール使用シナリオに適した軽量な生成型RMのファミリーであるToolRMを紹介する。
これらのモデルを構築するために,ルールベースのスコアリングと多次元サンプリングを用いたペアワイズ選好データを構築するパイプラインを提案する。
論文 参考訳（メタデータ） (2025-10-30T06:08:27Z) - SEEA-R1: Tree-Structured Reinforcement Fine-Tuning for Self-Evolving Embodied Agents [58.174206358223415]
自己進化型エボダイドエージェント(SeEA-R1)は、自己進化型エボダイドエージェント用に設計された最初の強化微細調整フレームワークである。
本研究は,SEEA-R1が自律適応と報酬駆動型自己進化をサポートすることを示す。
論文 参考訳（メタデータ） (2025-06-26T18:00:07Z) - Predicting E-commerce Purchase Behavior using a DQN-Inspired Deep Learning Model for enhanced adaptability [0.0]
本稿では,Deep Q-Network (DQN) にインスパイアされたアーキテクチャを活用し,電子商取引環境における購入意図と製品需要を予測する新しいアプローチを提案する。
我々は,885,000以上のユーザセッションからなる大規模eコマースデータセット上で,それぞれ1,114の特徴を特徴付けるモデルを評価した。
精度は88%,AUC-ROCスコアは0.88である。
論文 参考訳（メタデータ） (2025-06-21T02:12:26Z) - On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。
推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。
本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
論文 参考訳（メタデータ） (2025-04-02T17:40:47Z) - Revolutionizing Retail Analytics: Advancing Inventory and Customer Insight with AI [0.0]
本稿では,最先端機械学習技術を活用した革新的なアプローチを提案する。
我々は、これらの技術を活用して小売効率と顧客エンゲージメントを向上させる、高度なスマート小売分析システム(SRAS)の構築を目指している。
論文 参考訳（メタデータ） (2024-02-24T11:03:01Z) - G-STO: Sequential Main Shopping Intention Detection via
Graph-Regularized Stochastic Transformer [20.415439583899847]
主なショッピング意図の検出領域は学術文献で未検討のままである。
我々は,グローバルリレーショナルグラフを正規化の事前知識として開発し,関連するショッピング意図を分布的に近接させることを可能にした。
我々は,3つの実世界のデータセット上でのショッピング意図同定モデルの評価を行った。
論文 参考訳（メタデータ） (2023-06-25T19:02:31Z) - Towards Personalized Answer Generation in E-Commerce via
Multi-Perspective Preference Modeling [62.049330405736406]
Eコマースプラットフォーム上での製品質問回答(PQA)は、インテリジェントオンラインショッピングアシスタントとして機能するため、注目を集めている。
なぜなら、多くの顧客は、自分でのみカスタマイズされた情報でパーソナライズされた回答を見たいと思っているからです。
PQAにおけるパーソナライズされた回答を生成するための,新しいマルチパースペクティブなユーザ嗜好モデルを提案する。
論文 参考訳（メタデータ） (2021-12-27T07:51:49Z) - RF-LighGBM: A probabilistic ensemble way to predict customer repurchase
behaviour in community e-commerce [8.750970436444083]
中国におけるオンライン決済ユーザーの数は8億4400万人に達している。
コミュニティのeコマースプラットフォームが出現するにつれ、eコマースとソーシャルアプリケーションの統合の傾向はますます強まっている。
本稿では,データ駆動型手法を用いて,地域電子商取引顧客の再購入行動の予測について検討する。
論文 参考訳（メタデータ） (2021-09-02T05:38:16Z)
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。