強化学習と共進化で検索精度向上、CoGR 枠組みを提案
本文の状態
日本語全文を表示中
詳細モードで約2分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
Hugging Face Daily Papers
Hugging Face Daily Papers が紹介した CoGR は、LLM を用いてクエリとアイテム双方の検索表現を生成する枠組みであり、既存のインデックス構造との互換性を保ちつつ検索精度を大幅に向上させる。
AI深層分析を開く2026年9月3日 12:43
AI深層分析
キーポイント
双方向生成による検索表現構築
従来のクエリ拡張に留まらず、LLM がクエリとアイテムの両側で直接検索表現（キーワードセット）を生成する CoGR という枠組みが提案された。
既存インフラとの完全互換性
各ジェネレーターが生成するコンパクトなキーワードセットを逆インデックスで直接マッチングさせるため、既存のキーワードベース検索基盤と完全に互換性を保つ。
共進化型強化学習による最適化
教師あり微調整の後、クエリ側とアイテム側のジェネレーターを交互に最適化する共進化強化学習（GRPO）を用いて、両者の検索空間を整合させる。
既存手法を超える性能向上
内部データセットおよび WANDS ベンチマークにおいて、最強のベースラインと比較して F_1 スコアがそれぞれ 10.9% および 36.1% 向上した。
重要な引用
We introduce CoGR, a retrieval framework that instead trains LLMs to directly construct retrieval representations on both query and item sides.
CoGR uses a two-stage training pipeline. Supervised fine-tuning first establishes an aligned keyword space, after which co-evolving reinforcement learning alternately optimizes the query- and item-side generators with GRPO against the opposite side's frozen index.
Across 10 representative sparse, dense, and generative baselines, CoGR achieves the best performance on both an internal APP Marketplace dataset and the public WANDS benchmark.
編集コメントを表示
編集コメント
既存の検索インフラを破壊することなく LLM の能力を引き出すこのアプローチは、実運用環境での導入コストを大幅に下げる可能性を秘めている。特に大規模アイテムデータベースを持つプラットフォームにとって、精度と速度の両立を実現する重要な技術的転換点となるだろう。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
検索や広告システムにおける現代のアーキテクチャでは、リトライバル（検索）が最初の段階を担い、大規模なアイテム群から候補セットを選別して、その後のランク付けやオークションに渡します。近年の研究では、クエリの拡張、データ合成、検索フィードバックトレーニングを通じて LLM を活用し、検索性能の向上を図る動きが強まっています。しかし、生成コンポーネントは通常、クエリ側の補強にのみ用いられ、最終的なマッチングは依然として下流のリトライバーに委ねられています。
そこで私たちは「CoGR」という検索フレームワークを提案します。これは LLM を訓練して、クエリ側とアイテム側の両方で直接、検索表現を構築させるものです。各ジェネレーターはコンパクトなキーワードのセットを生成し、これらはインデックス付きリスト（inverted index）を通じて直接マッチングされます。これにより、既存のキーワードベースの検索インフラとの互換性が保たれます。
CoGR は 2 段階のトレーニングパイプラインを採用しています。まず教師あり微調整（SFT）によって整合性の取れたキーワード空間を確立し、その後、共進化型強化学習が GRPO を用いて、クエリ側とアイテム側のジェネレーターを交互に最適化します。この際、相手側のインデックスは凍結されたままです。
両方の側面は同じ「クエリからアイテムへの検索 F_1」目標を最適化します。クエリ側は検索 F_1 を直接報酬として受け取り、アイテム側は生成したキーワードによってクエリ側の F_1 がどれだけ変化したかを測る反事実的マージナル報酬（counterfactual marginal reward）を受け取ります。
代表的なスパース、ディープ、生成ベースライン 10 種類を比較した結果、CoGR は内部の APP マーケットプレイスデータセットと公開ベンチマーク WANDS の両方で最高性能を達成しました。F_1 スコアは最強のベースラインと比較してそれぞれ 10.9%、36.1% 向上しています。さらに詳細な分析では、学習が進むにつれて共進化が安定し、クエリとアイテムのキーワード空間が次第に整合していく様子が確認されました。
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み