2026年3月に早稲田大学情報理工学科を卒業。現在はNVIDIA Researchで研究インターン中(2026年3月〜)。9月からはマサチューセッツ工科大学 EECSのOmar Khattabの下でPhDを開始予定。学部時代に主著論文がトップ会議に複数本採択(ICLR×2、SIGIR、WSDM)、WSDMではBest Paper Awardを受賞。
[Webサイト]
概要：データマイニングのトップ国際会議、WSDM2026でBest Paper Award (1 of 799 submissions)を受賞した論文について紹介します。
検索結果を全て読み込んで処理するLLMやAIエージェントにとって、検索結果における情報の重複は無意味です。しかし、最も主流である「関連性の高い文書を順番に並べる」というランキング手法では、特定の人気のある情報に検索結果が偏り、情報の重複が多数生じてしまいます。結果的に、無駄にコンテキストを消費してしまい、LLMの情報検索効率が著しく落ちてしまいます。簡単な例で言うと、「ジャガー」という曖昧な入力に対し、自動車に関する情報ばかりが上位を占め、動物のジャガーを含んだ情報は完全に切り捨てられてしまう場合があります。こうした情報の偏りを防ぐため、検索や推薦の分野では「多様化（Diversification）」が長年研究されてきました。しかし我々の研究により、既存の主流な多様化アルゴリズムの多くは数学的に意味をなしておらず、「関連性の高い文書を順番に並べる」だけのランキング手法と全く変わらないことが明らかになりました。本トークでは、この多様化の課題を根本から見直し、「リスク最小化問題」として再定義する新しいパラダイムをご紹介します。
[論文] (WSDM 2026)
※トークは日本語です。
参加用のZoom URLはメーリングリストで配信しています。
ほかの宣伝投稿はありません。いつでも抜けられます。