LLMで取引モデルのembeddingを初期化する：merchantの意味を推論コストを増やさず取り込む
Visa Researchの論文をもとに、MCC・merchant・所在地の説明文からLLMのhidden stateを抽出し、取引系列モデルを初期化する方法と、10億件の取引での評価、改善の偏り、再現上の制約を解説します。
Category
AI
25件の記事
CreditR1解説：Brier報酬でLLMのデフォルト確率を校正する
中国A株企業の信用リスクを対象に、SFTとGRPO、Brier score、pairwise ranking、根拠検証を組み合わせたCreditR1の設計と評価結果、限界を解説します。
LLMを学習時の教師にするLATTE：銀行取引系列の意味を軽量モデルへ移す
長い銀行取引履歴をLLMへ直接入力せず、統計要約から生成した文章と取引系列を対照学習でそろえるLATTEを、精度、推論速度、再現性から解説します。
LLMを広告rankerにしない：Pinterestの補助予測器がRoASを改善した仕組み
Pinterestの広告推薦論文を題材に、LLMによる広告主予測、SFTとGRPO、Semantic ID、既存のretrieval・rankingへの統合、オンラインRoAS改善と制約を解説します。
Commercial Intentionで広告検索を短くする：Tencentの生成検索RAREを読む
EMNLP 2025のRARE論文をもとに、LLMが短い商用意図を生成し、転置インデックスから広告を引く仕組み、60ms以内の推論設計、オフライン評価と本番A/Bテストの読み方を解説します。
LLMの信用リスク予測は説明を信用できるか？LightGBMとSHAPで検証した論文を読む
貸付データでゼロショットLLMとLightGBMを比較した研究を解説。評価指標、二種類の説明用プロンプト、Gemmaの方向判定とSHAPの不一致から、予測と説明を別々に検証する意味を考えます。
専門家の知識で作る、文脈に即したLLM評価ベンチマーク
ドメイン専門家の知識をschemaと呼ばれる評価仕様に整理し、網羅性、多様性、内容と文体の現実性からLLM評価データを診断する手法を解説します。
HSTUとGenerative Recommenders：行動履歴から1.5兆パラメータの推薦モデルへ
MetaのHSTU論文を、推薦のsequential transduction化、pointwise attention、Stochastic Length、M-FALCON、公開実験と本番環境評価の限界から解説します。
DV365：Instagramは7万件の行動履歴をどう推薦に使ったか
MetaのDV365を、Multi-slicing、Funnel Summarization、オフライン埋め込み、15モデルへの展開、精度・鮮度・コストの検証から解説します。
NetflixのGenRec解説：LLMを生成させず推薦ランキングモデルとして使う
NetflixのLLM推薦モデルGenRecを、2段階学習、コンテキスト設計、catalog-aware ranking head、reward-weighted loss、prefill-only推論、A/B testの結果と限界から解説します。
「Just Ask Jev」解説：AIの失敗を見抜く確率と、判定に使える確率は違う
Jevを44のベンチマークで評価したRLCDAlignBenchを解説。質問設計、文脈、確率の較正、ラベル監査を通じて、AUROC 0.886と約63分の1の評価コストが示す範囲を整理します。
「誰を推測するか」から「購入の意味」へ：銀行規模のLLMプロファイリング
ユーザー単位のLLM推論を取引パターン単位へ置き換え、検索可能な属性データベースを構築する研究を、手法、評価、実運用、再現性から解説します。
中国製二足歩行ロボットの学習ツリー：構造・制御・センシングをつなげて理解する
AgiBot X1、OpenLoong、Humanoid-Gym、状態推定と最新の視覚歩行研究を軸に、急速な進歩を支えた基盤技術と、構造・制御・センシングを学ぶ順序を整理します。
コマースエージェントの設計解剖：Anthropicの実務ガイドを読む
Anthropicのコマースエージェント設計ガイドをもとに、単一エージェントとスキル、UI tool、遅延・キャッシュ、メモリ、安全策、evalのつながりと実装上の注意を解説します。
TIGER：Semantic IDを生成して商品を検索する推薦モデル
NeurIPS 2023のTIGERを、RQ-VAEによるSemantic ID、自己回帰検索、Amazon Reviewsでの評価、コールドスタートと推論コストの限界から解説します。
A-MLE解説：広告ランキングのML実験ループを自律エージェントで高速化する
MetaのA-MLEを題材に、仮説生成から学習・評価までをつなぐ5段階の設計、分野別スキル、shared knowledge、評価結果と再現上の限界を解説します。
行動データ由来のPersonaでA/Bテストを事前シミュレーションする
LLM agentと実ユーザー行動に基づくpersonaでA/Bテストの方向を予測する手法を、質問形式、評価結果、subsampling、再現性と限界から解説します。
クリックから検索意図を学ぶGEN Encoder：Bingの7億クエリANN活用
SIGIR 2019のGEN Encoder論文をもとに、co-click弱教師学習、multi-task fine-tuning、検索意図評価、long-tail queryへのANN活用を解説します。
RPG：64トークンのSemantic IDを並列生成する推薦モデル
KDD 2025のRPGを、OPQによる長いSemantic ID、multi-token prediction、graph-constrained decoding、評価結果と再現時の注意点から解説します。
Semantic ID prefix n-gram：推薦モデルのhash衝突を「意味の共有」に変える
Metaの広告ランキング論文をもとに、RQ-VAEによる階層Semantic ID、prefix n-gram、ロングテール・コールドスタート・予測安定性への効果と本番環境導入上の注意点を解説します。
Meta Adaptive Ranking Model：LLM級の広告ランキングを100ms台で配信する設計
MetaがInstagram広告へ導入したAdaptive Ranking Modelを、リクエスト単位の計算共有、Wukong Turbo、FP8、multi-GPU embeddingと公開情報の限界から解説します。
YahooのMLFMを読む：1,098個の広告セグメントを特徴量の相互作用から予測する
KDD 2023のMLFM論文を、特徴量とフィールドの相互作用、軽量版の因子分解、広告データでの評価、再現時の注意点から解説します。
Netflixに学ぶLLM-as-a-JudgeのLifecycle：RARTと本番運用
Netflixの推薦理由文を評価するLLM judgeの研究を、課題、RART、検証結果、限界、実装手順の順に解説します。
フィードバックでエージェントを改善するWarpの設計：2つのスキルで継続的な改善を管理する
WarpがClaude上で構築した継続的に改善するエージェントを、実行用スキル、改善用スキル、人間からのフィードバック、評価と実装の観点から解説します。
YahooのURLだけでWebページを分類する：多言語文脈に基づく広告配信の実装
YahooがKDD 2022で報告した多言語Webページ分類を、ロングテール対策、知識蒸留、URL-only推論、本番効果と限界から解説します。