KDD’26美团全線上设计管理及びKDD Cup’26 DataAgents赛道电影思路解读

KDD (ACM SIGKDD Conference on Knowledge Discovery and Data Mining) は、全世界の設計利用結果と深層の学術面で顕著であり、安全な設計と海外展開の重要なプラットフォームであり、電気効果の研究、研究、ネットワークフローの重要なプラットフォームです。この会議は、学術界と産業界に最先端の成果を交換するためのハイレベルなフォーラムを提供しており、紙での記録率は通常約15％～20％であり、コンピュータ分野のCCF-Aクラスのトップ会議に属します。

このテキストは、KDD 2026 によって収集された 8 つの論文から共有するために選択されました。これらの論文は、推奨大規模モデル、生成および報酬モデリング フレームワーク、モデリング フレームワーク、晽架轜晽架灴晐大規模モデル フレームワークなどの技術分野をカバーしています。

🏆さらに、世論テクノロジー部門は、2026 KDDカップ複雑なデータ分析データエージェント国際大会チャンピオンの季军も受け取り、このテキストはチーム大会の思路と戦略を紹介しました。

01 MTFM: Meituan の産業推奨用のスケーラブルで調整不要の基礎モデル

論文ダウンロード：PDF

論文紹介：業界推奨システムには通常、複数のシナリオが含まれており、既存のクロスドメイン（CDR）および複数のシナリオ（MSR）と複数のシナリオ（MSR）は多数のリソースを必要とし、相互に厳密な入力を必要とするため、拡張性が制限されます。この論文では、Transformer フレームワークに基づく種類の MTFM (Meituan Foundation Model for Recommendation) を提案し、上記の課題を解決することを目的としています。 MTFM は入力を事前に照合しませんが、複数のシナリオの知識を取得する方法で、クロスドメイン データをさまざまなトークンに変換します。トレーニングの効率を向上させるために、MTFM は複数のシナリオのユーザーレベルのサンプル集計を導入しました。メモリ消費量と計算の複雑さが効果的に軽減されたことに注意してください。さらに、この論文では、カーネル融合や CPU-GPU の輻輳の排除など、複数のシステムレベルの最適化も達成され、トレーニングと処理がさらに改善されました。 M猄朘敆MTFM の朧エフェクト マシンは、モデル容量とマルチシーン トレーニング データを拡張することで、大幅なパフォーマンスの向上を実現できます。

02 CDRRM: 信頼性が高く解釈可能な報酬モデリングのためのコントラストベースのルーブリック生成

論文ダウンロード：PDF

論文紹介： このテキストは、LLM 報酬モデルの信頼性、解釈可能性、およびデータ効率を向上させることを目的とした、比較主導のスコア基準生成および報酬モデリング フレームワークである CDRRM を提唱しています。合」プロセス: 最初に良い回答と悪い回答を比較して主要な違いを特定し、次に単純なタスク関連の基準を再グループ化し、評価モデルを導きます。実験では、CDRRM が 3 つのベンチマークで最も高度なレベルに達し、音声、位置などのバイアスを軽減し、モデルが完全な評価を超えるのに 3,000 のサンプルのみを使用することが示されています。ベースラインを微調整することができ、効率的かつ解釈可能です。

03 LocalSearchBench: 現実世界の地域生活サービスにおけるエージェント検索のベンチマーク

論文ダウンロード：PDF

論文紹介：このテキストは、地域生活サービス分野のAI検索研究ブランクを対象として、LocalSearchBenchの評価基準基準を構築します。 9 つの検索ブランク、構築 LocalSearchBench 座城市、6 つの主要なサービス カテゴリには、900 の道多ジャンプ问回答タスクが含まれており、同時に LocalPlayground 户啷啷户户户LocalRAG の対話型環境をサポートしています。テスト テスト 16 現在のモデルがこの種のタスクでうまく機能しないことがわかった後、情報の完全性、信頼性の欠如などの問題がよく発生します。この研究では、モデル ツールの呼び出しやマルチ ジャンプなどの典型的な欠陥も分析され、地域の生活サービス シナリオにおけるインテリジェントな検索モデルのトレーニングとベンチマークに対する重要なサポートが提供されました。

04 電子商取引プラットフォームにおける決定的配分と匿名共同広告

論文ダウンロード：PDF

論文紹介：共同広告オークションシーンのアルゴリズムは、匿名性と決定的配信の問題を同時に満たすことができず、実際のアプリケーションでは不公平な配信やインセンティブの非互換性などの問題につながるため、JTransNetモデルが提唱されました。 rt ソート方式により、エンドツーエンドのデータ駆動型 AMD 自動化モデル オークション アルゴリズムを実現しました。このアルゴリズムは非常に優れており、オークション シナリオにおけるトラフィックの分散と複数当事者による投資の控除の問題も非常に優れています。 JTransNet は、米国の小売コア ビジネス シナリオに本格的に導入され、広告ビジネスの売上と収益のレベルを向上させると同時に、業界の大規模な自動化モデル オークション メカニズムのアルゴリズム設計に効果的なソリューションを提供しました。

05 UME: マルチドメイン ETA のための統合メタ一般化フレームワーク

論文ダウンロード：PDF

論文紹介：即時手机最好中、提单電子的全生最好時間（支払いページETA）は、ユーザーの満足度を向上させ、スケジュール戦略を最適化し、運用コストを制御するために不可欠です。 Keeta Inc. の国際化された即時配信プラットフォームでは、クロスドメインの異質性が著しく、マルチドメイン モデリングが中心的な要件となっています。しかし、現在の方法は 3 つの大きな課題に直面しています: 1. 冷小規模拠点の電気効果図、2 つは、路域内官庁的にこれらがあり、履歴データの蓄積が不足しているため、新たに実行領域にある電気の影響は、美線結果の特性の構造的欠陥につながります、3 には、成熟分野と冷電分野では別々のモデリングが必要になることが多く、知識の伝達が妨げられ、メンテナンス費用。このため、この文書では、統一された元一般化フレームワークである UME (Framework Unified Meta-Generalization for ETA) を提案しました。 UMEは、ドメインレベルの知識とゲート特性、動的力および最終予測のインスタンスレベルのコンテキスト動的変調を通じて、統合されたダブルブランチネットワークとネットワークベースの元学習メカニズムを設計し、クロスドメイン相関モデリングとドメイン内での自己適応を実現します。同時に、特徴の欠如によって生じる情報ギャップも生じます。

06 自動広告入札最適化のための大規模な事前トレーニング済み生成モデル

論文ダウンロード：PDF

論文紹介: 最新の自動入札システムは、業界の絶え間なく変化するニーズを反映して、全体的な効果、広告の多様化目標、現実的な制約の間のバランスを達成する必要があります。アンフォーマーと拡散モデル）は、広告主のバイアスに基づいて入札軌跡を直接生成でき、従来の市場ベースの意思決定プロセス手法に代わる有望な代替手段を提供します。しかし、これらの生成方法は、オフラインおよびオンライン環境の配布、限られたアクションスペースの探索、CPM と ROI の制約を満たす必要性などの課題にも直面しています。このため、スケーラブルな自動入札ベースモデルである GRAD を提案しました。

07 HMAF: 階層型マルチスロット GD-RTB 割り当てフレームワーク

論文ダウンロード：PDF

論文紹介：現代のオンライン広告プラットフォームでは、配信保証（GD）契約とリアルタイム入札（RTB）オークションと相互入札が行われます。既存の手法では、GD と RTB の最適化を切り離すか、直感的な優先順位付けルールに依存しているため、複雑な複数の配置とエクスポージャーの制約の下では、短期的な収益の最大化と長期的な契約納品目標のバランスを効果的に取ることができません。これらの問題に対して、私たちはGD-RT B広告プラットフォームにおける露出分布の最適化を目的とした統一フレームワークであるHM AF（分开多坑位分布フレームワーク）を提案しました。 HMAF は、中核構造として「計画-調整-実行」モデルを使用し、ライン制約の最適化とオンライン意思決定を組み合わせ、ライン GD リソース計画を統合し、GD と RTB の競争力を動的に調整し、マルチサイト環境でリアルタイムのリストレベルの並べ替え決定を行います。

08 MTGenRec: Meituan の生成レコメンダー モデル用の効率的な分散トレーニング システム

論文ダウンロード：PDF

論文紹介：検索、レコメンデーション、広告の分野で生成されたフィードバックはますます広く利用されるようになり、プラットフォームの収益に関しては大幅な改善を達成しました。生成されたフィードバック モデル、スケーリング Dense 開発トレンドにより、業界は PyTorch エコロジーに基づいた次世代のレコメンデーション モデル トレーニング エンジンを構築し、LLM 開発を最大限に再利用する傾向がますます高まっています。ただし、PyTorch エコロジーには、大規模な稀疏Embedding トレーニングのサポートにおいて、まだ改善の余地が大きく残されています。したがって、weTorch Ecology は、産業レベルで生成された推奨モデル トレーニングのニーズを満たすために、統合された「稀疏-空密」トレーニング機能を備えた MTGenRec トレーニング フレームワークを提案しました。具体的には、トレーニング効率を向上させるために、静的テーブルを置き換える動的ハッシュテーブルの使用を提案し、動的IDの上下の問題を解決し、ユーザーにとって便利です。トレーニング効率を向上させるために、私たちはユーザーに㐈了の使用を提案し、トレーニング効率を向上させます。私たちは、ユーザーがトレーニング効率を向上させるために㐈了の使用を提案します。ユーザーは、トレーニング効率を向上させるために㐈了の使用を提案します。ユーザーは、トレーニング効率を向上させるために㐈了の使用を提案します。ユーザーは、トレーニング効率を向上させるために㐈了を使用することを提案します。ユーザーがトレーニング効率を向上させるために㐈了を使用することを提案します。私たちは、ユーザーがトレーニング効率を向上させるために㐈了を使用することを提案します。ユーザーがトレーニング効率を向上させるために㐈了を使用することを提案します。推奨されるシナリオに従って、負荷分散などのテクノロジーを使用することを提案します。さらに、ブレークポイント継続、混合精度トレーニング、勾配累積、算術統合などのサポート技術も開発しました。多数の実験結果から、TorchRec ベースラインと比較して、MTGenRec は同じトレーニング精度を確保しながら 1.6 ～ 2.4 倍のトレーニング加速を達成できることが示されています。

| 下拉閱讀 加入書架 下載老界报看部荣老2026 KDD杯全電影个発行机 データエージェント

KDD カップは、データマイニングと知識発見の世界的な知名度を誇る分野のトップイベントです。

このコンテストでは、実際の複雑なデータ シーンにおけるモデルの理解と、複数のモデル入力、非構造化ドキュメント、干渉情報認識、各項目が現在のエージェントのバックボーンであることを理解する能力が審査されます。

従来の Data+AI システムは、特定のタスクに関しては大幅な進歩を遂げましたが、エンドツーエンドの分析プロセスは依然として専門家に大きく依存しており、拡張および適応可能なデータ分析の主なボトルネックとなっています。エージェント)」破局——知識の理解、推論、計画能力の融合を通じて、分解と計画、ツールの選択と呼び出し、異種データ分析と包括的な結果のタスクを自律的に完了します。高度な自然言語問題の場合、独立した配置には、並列分岐、反復サイクル、結果をまとめて最終的に正解を与える複雑な推論プロセスが含まれており、真に独立したデータ分析システムの構築を促進することを目的としています。

コンテストでは、チームは「问点仔」について、構築プロセス中に蓄積されたハーネス エージェントのタイトルへの移行能力、ビジネス タイムを利用して完全なエージェント実行時間を構築すること、複数種類のデータ ファイルの独立した検索のサポート、SQL、Python などの分析ツールの選択と実行についてコメントします。エラーフィードバック、時間制御、自動再テストなどのメカニズムを通じて、ロングリンクタスクにおける知的体の安定性と耐障害性が向上します。ビデオや非構造化ドキュメントなどの異種データの場合、インテリジェントボディはマルチモーダルビデオを理解するように構築されています。非構造化文書ETLインテリジェントボディは、メインインテリジェントボディのデータ抽出、理解、および包括的な分析能力をさらに強化します。今回の受賞により、複雑な異種データ分析エージェントのシナリオにおける関連技術の有効性が検証され、その後の「问点仔」レベルのインテリジェンスの継続的向上に向けた技術蓄積も得られた。

現在、関連するコードはすでに GitHub で公開されており、技術的な詳細についてはテクノロジー ブログを通じて共有する予定です。