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。
Tag
#LLM
10件の記事
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。
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。
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。
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。
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。