電子商取引応用向けセマンティック対応マルチモーダルマルチ言語深層学習システム

AISG と Shopee は協力し、先進的な多言語・マルチモーダル深層学習モデルを使用して、電子商取引シーンにおけるセマンティック理解の問題を解決しています。従来、Shopee は手動で構築されたタスクフローに大きく依存しており、コストが高く、カバレッジが狭いという課題を抱えていました。チームは微調整された大規模言語モデルを使用して Taskbot を再構築し、完了率とエラー訂正率の両方が顕著に改善されました。

別のアプリケーションは、従来の機械学習を使用した Shopee チャットボットをアップグレードしました。元のバージョンは「成功事例」のみを使用して微調整されていましたが、新しいソリューションは失敗事例の負のフィードバックも訓練に組み込み、顧客満足度の向上と失敗インタラクションの減少を実現しています。NUS はさらに、東南アジアを対象とした多言語 LLM をゼロから訓練しました。重要なイノベーションは双方向負フィードバック損失関数であり、教師あり学習データが少ない場合でも、好みの安定した整列を実現できます。GPT ベースラインに対する勝率は 18% から 50% に向上し、戦略的サンプリングを加えてさらに 56% に達しました。研究成果はすでに複数の著名な会議で発表されており、モデルが成熟した後は Shopee の本番環境に導入される予定です。

字幕言語： ja · 取得日： 2026-05-02

電子商取引は指数関数的な増加を経験しており、世界経済においてますます重要な役割を担っています。近年、深層学習がさまざまな電子商取引アプリケーションにおいてますます広く採用されています。しかし、既存の深層学習モデルは多言語およびマルチモーダル情報に直面する際に、効果的に理解および処理することが困難です。私たちはC社と協力して、高度な多言語マルチモーダルモデルを開発し、一流のカンファレンスで研究成果を発表し、C社のプラットフォーム上でモデルの検証に成功しました。以前は、shoppは手動で構築されたタスクフローに大きく依存していたため、コストが高く、カバレッジが限定的でした。しかし現在、ファインチューニングされた大規模言語モデルの力を利用することで、カスタマーインタラクションのやり方を根本的に変えました。

現在、Taskbotはすべての期待を超え、印象的な完了率と修正率を達成しています。その結果、カスタマーインタラクションはこれまで以上にインテリジェント、高速、かつ信頼性が高くなりました。別のアプリケーションでは、shoppyチャットボットは当初、従来の機械学習を採用し、成功事例のみでファインチューニングを行い、失敗事例を無視していました。私たちのソリューションはこれを変え、ポジティブおよびネガティブなフィードバックの両方を大規模言語モデルのファインチューニングに組み込みました。このアプローチの改善により、カスタマー満足度が大幅に向上し、失敗したインタラクションの発生率が大幅に削減されました。また、ゼロから独自の大規模言語モデルを訓練しました。東南アジア向けの多言語大規模言語モデルは独特な課題に直面しており、特に低リソース言語のデータが限定的です。国立台湾師範大学計算機科学科（NTUNC）では、この地域専用のモデルを構築しています。

私たちの主要な革新は双方向ネガティブフィードバック損失関数であり、ラベルスパースな状況下でも安定した選好アライメントを実現できます。これは顕著な改善をもたらしました。GPT基準線と比較して、勝率が18%から50%に急増しました。ポリシーサンプリングを通じて、私たちはさらにこれを56%に向上させました。shoppeeユーザーにとって、これは彼らのニーズを真に理解するより知的な大規模言語モデルをもたらし、アプリケーション使用時の毎回のインタラクションをより有用で正確にします。