論文の概要: From Waste to Discovery: Recycling High-Scored Unexposed Candidates in Taobao Feed Recommendation
- arxiv url: http://arxiv.org/abs/2611.05997v1
- Date: Wed, 04 Nov 2026 05:45:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.991083
- Title: From Waste to Discovery: Recycling High-Scored Unexposed Candidates in Taobao Feed Recommendation
- Title（参考訳）: 廃棄物から発見へ:タオオオ飼料レコメンデーションにおける高濃度未処理候補のリサイクル
- Abstract要約: URED(Unexposed recycling for Efficient Discovery)は、Alibabaでタオバオのフィードレコメンデーションを提供するトレーニング不要のリコールステージシステムである。
アイテムは高く評価されるが、関連性があり、確実に予測可能なプールとして露出されることは決してない。
オンラインA/Bテストでは、+3.47%がカテゴリーを発見し、+8.47%がエンゲージメントを保存している。
- 参考スコア（独自算出の注目度）: 11.386313933849992
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Helping users discover new interests is vital to the long-term health of industrial recommender systems, yet the usual remedy, boosting exposure of under-explored (discovery) content, often backfires in production. We report URED (Unexposed Recycling for Efficient Discovery), a training-free recall-stage system serving Taobao feed recommendation at Alibaba for over six months to tens of millions of daily active users. It rests on a production-validated insight: naive boosting fails because it injects cold, information-poor candidates that rankers systematically over-estimate, buying no discovery gain while risking engagement. Items scored highly but never exposed (signals industrial pipelines routinely discard) form a pool that is both relevant and reliably predictable. Over a 30-day horizon URED aggregates them and re-injects at recall time through a lightweight pipeline spanning offline storage, distributed aggregation, and low-latency online serving, adding under 1% latency via a single O(1) lookup per request with no model retraining. Online A/B tests show +3.47% discovered categories and +8.47% content richness with engagement preserved: completion video views rise significantly (+2.62%) and total views move positive (+0.36%, not significant). Ablations confirm both design pillars are necessary: a one-day window collapses the discovery gain to +0.55% (not significant), and random injection without score filtering yields no gain while trending negative on engagement (-0.17%). Across production recall channels, URED reaches 13.9x the platform-average discovery rate (6.3x the strongest nearline baseline) at engagement quality on par with the platform average. We share deployment details and lessons for practitioners facing the exploration-exploitation dilemma under tight resource constraints.
- Abstract（参考訳）: ユーザーが新しい利益を発見するのを助けることは、産業レコメンデーションシステムの長期的な健康に欠かせないが、通常の治療は、探索されていない(発見されていない)コンテンツが露出し、しばしば生産のバックファイアを引き起こす。
URED(Unexposed recycling for Efficient Discovery)は,Alibabaで6ヶ月以上にわたって,毎日数千万人のアクティブユーザに対して,Taobaoフィードレコメンデーションを提供する,トレーニング不要のリコールステージシステムである。
ナイーブな促進は、組織的に過度に見積もり、エンゲージメント(エンゲージメント)を危険にさらすことなく発見の利益を得る、冷淡で情報不足の候補者を注入するため失敗する。
高く評価されるが露出しないアイテム(信号は産業用パイプラインを定期的に破棄する)は、関連性があり、確実に予測可能なプールを形成します。
30日間にわたって、UDRはそれらを集約し、オフラインストレージ、分散アグリゲーション、低レイテンシオンラインサービスにまたがる軽量パイプラインを通じてリコール時に再注入する。
オンラインA/Bテストでは、+3.47%がカテゴリーを発見し、+8.47%がエンゲージメントが保存されている。
1日の窓は発見のゲインを+0.55%(有意ではない)に崩壊させ、スコアフィルタリングのないランダムインジェクションは、エンゲージメントにおいて負の傾向(-0.17%)を保ちながら利得を得られない。
プロダクションリコールのチャンネル全体で、UREDはプラットフォーム平均発見率(最強のニアラインベースラインの6.3倍)の13.9倍に達し、エンゲージメント品質はプラットフォーム平均と同等である。
厳密な資源制約の下で、探索・探索ジレンマに直面している実践者に対して、デプロイメントの詳細と教訓を共有します。
関連論文リスト
- TRACER: Trace-Regularized Training Against Indirect Prompt Injection [13.878599089437648]
同じ攻撃はフォローアップメッセージの18%を成功させるが、検索されたコンテキストに置かれると53%になる。
提案するTRACERは,プレゼンテーションラッパーをサンプリングし,回答と証拠を付与した報酬をATRCと組み合わせたチャネル認識型対向訓練手法である。
論文 参考訳（メタデータ） (2026-10-13T20:03:37Z) - Failure Recovery via Belief Updates and World Modeling for Long-Horizon Agents [58.51369178880458]
ロングホライゾンのエージェントは、何歩か前に発生した障害から回復するのに苦労することが多い。
本報告では, 検証試験における持続的証拠と, 補修方向に対する予測的推論を組み合わせた枠組みであるBELIEFWEAVERを紹介する。
論文 参考訳（メタデータ） (2026-10-13T10:05:06Z) - Save Your Saturated Data: Learning Beyond Reward Saturation in Group-Based RL [51.0181184809978]
グループ相対強化学習は、サンプル応答の報酬変動に依存する。
言語モデルがますます有能になるにつれて、既存のトレーニングデータが報酬飽和状態になる可能性がある。
このような飽和データから有用な学習信号を回収できるかどうかを検討する。
論文 参考訳（メタデータ） (2026-09-27T02:50:57Z) - Incremental Recommendation via Causal Models [4.164845768197488]
我々は、すでに日常的な実験インフラの一部として収集されているホールドバックデータを用いて、既存の生産レコメンデーションモデルを因果アーキテクチャに拡張する。
何百万ものSpotifyユーザーの実運用規模のA/Bテストにおいて、このポリシーは推奨コンテンツの総消費を統計的に減少させることなく、レコメンデーションインプレッションを7%削減する。
我々は、因果モデルが観察データだけで訓練されたモデルよりもより一般化可能な表現を学習する証拠として捉えることができると論じる。
論文 参考訳（メタデータ） (2026-08-27T08:43:11Z) - JARVIS: An Evidence-Grounded Retrieval System for Interpretable Deceptive Reviews Adjudication [4.797952842010917]
JARVIS は Augmented Retrieval と evidence graph Structures を通じて判断を提供するフレームワークである。
ハイブリッド密度スパースマルチモーダル検索により意味論的に類似したエビデンスを検索し、共有エンティティを通じてリレーショナル信号を拡張し、異種エビデンスグラフを構築する。
本フレームワークは,リコール量を27%増加させ,手動検査時間を75%短縮する。
論文 参考訳（メタデータ） (2026-02-13T13:57:45Z) - Forecasting the Maintained Score from the OpenSSF Scorecard for GitHub Repositories linked to PyPI libraries [78.48200143057376]
今後,OpenSSFが保持するスコアをどの程度予測できるかを検討する。
PageRankによって、最も中央のPyPIライブラリのトップ1%に関連付けられた3,220のGitHubリポジトリを分析します。
以上の結果から,今後の保守活動は有意義な精度で予測できることが示唆された。
論文 参考訳（メタデータ） (2026-01-26T10:32:54Z) - EEPO: Exploration-Enhanced Policy Optimization via Sample-Then-Forget [48.98166525828929]
Exploration-Enhanced Policy Optimization (EEPO)は、適応的アンラーニングを伴う2段階のロールアウトによる探索を促進するフレームワークである。
EEPOは5つの推論ベンチマークでGRPOを上回っ、Qwen2.5-3Bで24.3%、Llama3.2-3B-Instructで33.0%、Qwen3-8B-Baseで10.4%という平均的な相対的な上昇を達成した。
論文 参考訳（メタデータ） (2025-10-07T12:02:03Z) - Enhancing Serendipity Recommendation System by Constructing Dynamic User Knowledge Graphs with Large Language Models [0.9262403397108375]
大規模言語モデル(LLM)は、豊富な世界知識と優れた推論能力のおかげで、推奨されるセレンディピティーを示す。
本稿では,LLmを利用してユーザ知識グラフを動的に構築し,レコメンデーションシステムのセレンディピティーを高める手法を提案する。
論文 参考訳（メタデータ） (2025-08-06T02:52:09Z) - Hard Negatives, Hard Lessons: Revisiting Training Data Quality for Robust Information Retrieval with LLMs [53.78110936809744]
堅牢で再帰的なモデルのトレーニングは通常、大規模なデータセットに依存します。
トレーニングデータセットにおいて、偽陰性を識別し、許容する。
トレーニングデータセットとコードは公開されています。
論文 参考訳（メタデータ） (2025-05-22T17:47:57Z) - USM: Unbiased Survey Modeling for Limiting Negative User Experiences in Recommendation Systems [0.9950770451047565]
本稿では,レコメンデーションプラットフォーム上でのネガティブなユーザエクスペリエンスの制限を目的としたアプローチを提案する。
提案手法は,フィード内調査をユーザに配布し,ユーザからのフィードバックをモデル化し,モデル予測をレコメンデーションシステムに統合することに依存する。
論文 参考訳（メタデータ） (2024-12-14T04:22:09Z) - Free Lunch for Generating Effective Outlier Supervision [46.37464572099351]
本稿では, ほぼ現実的な外乱監視を実現するための超効率的な手法を提案する。
提案したtextttBayesAug は,従来の方式に比べて偽陽性率を 12.50% 以上削減する。
論文 参考訳（メタデータ） (2023-01-17T01:46:45Z)
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。