産業システムにおける制約を考慮した特徴選択のためのLLM駆動推論

arXiv cs.CL / 2026/3/27

💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、ラベルが限られ、多数の運用上の制約を持つ産業MLシステムにおいて、逐次的で推論に基づく特徴選択を行うための、LLM駆動のモデルベースフレームワーク「MoFA（Model Feature Agent）」を提案する。
MoFAは、セマンティックな特徴の定義、特徴の重要度や相関に関する定量的なシグナル、さらにグループ／タイプのような特徴メタデータを組み合わせた構造化プロンプトを活用し、解釈可能で制約を考慮した特徴サブセットを生成する。
実世界の産業アプリケーション3件での実験により、特徴グループの複雑さを抑えつつモデルを効率的に保ちながら、予測精度および／またはエンゲージメント指標が向上することを示す。
特にMoFAは、価値／エンゲージメントのモデリングにおいて高次の相互作用項を見出し、通知行動の予測に対してコンパクトで高価値な特徴セットを選択することで、精度と推論効率の両方を高める。