RecGPT-V3がタオバオのレコメンドシステムを産業規模で再構築

淘宝（タオバオ）のトップページにある「猜你喜欢（あなたへのオススメ）」フィードに、LLMをレコメンドパイプラインの「頭脳」として組み込むRecGPT-V3が本番展開された。Hugging Face Daily Papersで発表された技術レポートによると、従来の「次のクリックを予測する」仕組みから、ユーザーの真のニーズを理解する方向への転換を目指している。

RecGPT-V3は3つの要素で構成される。第一に、長期的なユーザー行動を構造化メモリに蒸留し、蓄積するMemory Hub。これにより、ユーザーモデリングの計算量を従来比55.8%削減した。第二に、自然言語とSemantic IDs（SIDs）を併用し、曖昧なインテントを具体的なアイテムに紐付ける仕組み。第三に、明示的な推論トークンを潜在トークンに圧縮するLatent Intent Reasoningで、エンドツーエンドの推論を3.46倍高速化したうえで、必要に応じて人間が読める説明文に復号できる。

大規模なオンラインA/Bテストでは、IPV +1.28%、CTR +1.00%、TC +1.97%、GMV +3.97%という効果を示し、同時にエンドツーエンドのサービングリソースを52.4%削減した。LLMをレコメンドという超高スループットの領域に実用投入した事例として、産業適用の現実的な設計判断が読み取れる。

AIコードレビューは速度を上げるが、品質向上は一貫しない――102万PR分析

Hugging Face Daily Papersに掲載された研究が、207のGitHubプロジェクトから集めた102万件のレビュー済みプルリクエストを分析し、人間中心・LLM支援・エージェント型という3つのコードレビュー時代を比較した。

分析では、AIエージェントがレビューに関与すると、特にエージェントがレビューを開始する場合や複数のエージェントが参加する場合において、レビュー決定がより速くなる傾向が確認された。ただし、これらの効率向上がレビュー品質の安定した改善には直結しないという結果も併せて示された。エージェントの導入でスピードは上がるが、「良いレビュー」が安定して増えるわけではない。

研究は、人間とAIが協調するレビューワークフローの設計に向けて、有望な侧面と限界を同時に指摘している。Agentic Reviewを導入すれば自動的に品質が上がる、という単純な話ではなく、ワークフローの設計次第で効率と品質のトレードオフが変動する実態が定量的に示された点が重要だ。

solo研究者が「学習された記憶」を持つFractale-350M-baseを完全公開

RedditのLocalLLaMAコミュニティで、Fractale-350M-baseという386Mパラメータのベースモデルが発表された。注目すべきは、長期記憶をコンテキストウィンドウではなく「トレーニングされた振る舞い」として実装している点だ。

このモデルは、512トークン単位でチャンクを処理し、各チャンクの要点を1つのベクトル（gist vector）として書き込む。そのベクトルは最大8スロットの「バンク」に保持され、最も古いものからFIFOで退去される。バンクは読み戻される際、ハイパーネット経由で小規模な低ランクMLPに展開され、トークンストリームに適用される。アテンションでも検索でもなく、メモリがフォワードパスの一部として機能する仕組みだ。

検証結果は興味深い。バンクを保持した状態とリセットした状態のクロスエントロピー差（GAP）は、コード領域で+9.4ナット、ウェブ領域で+7.3ナットに達した。この差は訓練が進むにつれて拡大し、モデルが記憶により依存するようになったことを示す。ベースモデルであり、まだ指示チューニングも整列も行われていないため、流暢さは386M相応だが、アーキテクチャの実証としては一貫した信号が出ている。

モデル、論文、再現スクリプト、研究ログすべてがオープンで、フル再現の費用は8xA100のレンタルで約320ドル。個人研究としての透明性と再現性の基準としても参考になる。

Hugging Faceが侵害ログ解析にGLM 5.2を採用した経緯

ITmedia AI+の報道によると、Hugging Faceは自律型AIエージェントによる本番インフラへの侵入を検知・対処した際、ログ解析に当初商用AIモデルを使用しようとした。しかし、安全ガードレールに阻まれて解析が進まず、最終的にオープンウェイトモデルのGLM 5.2を自社インフラで実行して対応したという。

一部の内部データセットと複数の資格情報への不正アクセスが確認された。インシデント対応の現場において、商用モデルの安全ガードレールが、フォレンジック解析そのものを阻害するという、セキュリティ実務特有のジレンマが表面化した形だ。自社でホストできるオープンウェイトモデルが、機密ログを外部APIに送信せずに解析する手段として機能したことになる。

この一件は、オープンウェイトモデルの実用価値が「性能対費用」の軸だけでなく、「統制可能な推論環境」という軸でも評価され始めていることを示している。

DSWorld: データサイエンスエージェントのための世界モデル

Hugging Face Daily Papersで発表されたDSWorldは、データサイエンス操作の結果を実行前に予測する「世界モデル」を提案する。実際の実行を行う前に操作結果を予測することで、自律型データサイエンスエージェントの訓練を14倍高速化し、推論を3〜6倍高速化しつつ、競争力のある性能を維持した。

エージェントが試行錯誤する際、実際のパイプライン実行ではなく世界モデルによる予測で代替できれば、反復ののコストが劇的に下がる。データサイエンスという反復コストが特に高い領域での世界モデル適用は、エージェント実運用の足場を広げる方向性として注目される。