30秒サマリー
- LLMを活用した会話型推薦システム「Shape Your Feed」がRecSys 2026産業トラックに採択
- テキスト・音声・UI操作で意図を捉え、リアルタイムでコンテンツフィードを再ランキング
- オフライン評価で整合スコアリング精度98.85%、大規模A/Bテストでも有効性を確認
何が起きたか
2026年8月6日、Ziyun Xuら13名の研究者がarXivに論文「Shape Your Feed（SYF）」を公開した。同論文はRecSys 2026の産業トラックに採択されている。
SYFは、既存の推薦システムが抱える課題——クリック数や滞在時間といった暗黙的な行動シグナルのみからユーザーの好みを推定し、ユーザーが自分の興味をリアルタイムに反映させにくい点——を解消するために設計されたLLMベースのエージェント型推薦フレームワークだ。
システムは三層構造を採る。第一層「Perception Flow」はテキストプロンプト・音声コマンド・UI操作からユーザーの意図を細粒度で把握する。第二層「Serving Flow」は進化するユーザー嗜好を蓄積した「Semantic Profile」に基づき、候補コンテンツのリアルタイム再ランキングと絞り込みを行う。第三層「Self-Evolution Flow」はDirect Preference Optimization（DPO）と複数LLMによる評価（LLM-as-a-Judge）でシステムをユーザー判断に継続的に整合させる。
オフライン評価では整合スコアリングモジュールが98.85%の精度を記録し、強力なfew-shotベースラインを大きく上回った。さらに本番トラフィックを用いた大規模なオンラインA/Bテストでも、フィードの関連性とユーザーセンチメントの改善が確認されたと原文は述べている。
原典ハイライト
論文アブストラクトは「ユーザーが明示的な関心と推薦結果の間に感じる乖離を埋める」ことを主目的に挙げ、本番環境でのA/Bテストにより産業規模での実用性と拡張性を示したと報告している。精度98.85%はfew-shotベースラインとの比較で「実質的な改善」と表現されているが、ベースラインの具体的な数値は原文に記載がない。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
推薦システムの主流だった「行動ログ依存の受動的ランキング」に対し、ユーザー自身が自然言語や音声でフィードを能動的に制御できる仕組みが、研究段階から本番A/Bテストの段階へ移行しつつあることを示す。LLMエージェントが推薦の「意図理解→リランキング→自己改善」を一貫して担うアーキテクチャは、既存のレコメンデーションエンジンを置き換える設計として具体性が高い。
日本企業への示唆
ECサイト・メディア・金融情報サービスなど推薦機能を持つ日本企業にとって、示唆は二つある。第一に、「クリックや購買履歴だけでは捉えられない顧客の今の意図」を会話UIで吸い上げる仕組みの検討が現実的な優先事項となってきた。第二に、SYFの三層構造（意図把握→リランキング→DPOによる自己改善）は自社システムへの段階的な組み込み指針として参照できる。まずは既存レコメンドエンジンの上位レイヤーにLLMによる意図解釈層を追加するPoC（概念実証）から着手するアプローチが現実的とみられる。
背景・経緯
産業用推薦システムはこれまで、クリックや滞在時間などの暗黙的シグナルを機械学習で処理する受動的なランキングモデルが主流だった。LLMの普及により自然言語による意図理解が現実的になったことで、ユーザーが能動的に推薦を操作できる「会話型推薦」への関心が高まっている。本研究はその流れを受け、実装可能な産業向けアーキテクチャとして提案されたもの。
