PinRec: Outcome-Conditioned, Multi-Token Generative Retrieval for Industry-Scale Recommendation Systems

本論文は、Pinterest 規模の推薦システムにおいて、複数のビジネス指標を条件とした生成と多トークン生成を採用し、パフォーマンス、多様性、効率性を両立させた初の厳密な研究である「PinRec」という生成型検索モデルを提案するものである。

Prabhat Agarwal, Anirudhan Badrinath, Laksh Bhasin, Jaewon Yang, Edoardo Botta, Jiajing Xu, Charles Rosenberg

公開日 2026-03-05
📖 1 分で読めます☕ さくっと読める

Each language version is independently generated for its own context, not a direct translation.

この論文は、Pinterest(ピンタレスト)という巨大な写真共有アプリで使われている、新しい「おすすめ機能」の仕組みについて書かれています。

タイトルは**「PinRec(ピンレック)」**です。

これを、難しい専門用語を使わずに、**「賢い料理人」「魔法のレシピ本」**に例えて、わかりやすく解説します。


1. 従来のシステム:「似たもの探し」の限界

昔の Pinterest のおすすめ機能は、**「似たもの探し」**をしていました。
ユーザーが「猫の写真」を好きなら、システムは「猫の写真」を大量に並べます。これは「2 つの塔(Two-tower)」と呼ばれる仕組みで、ユーザーの好みとアイテム(写真)の似ている度を計算して、一番似ているものを出していました。

でも、これには問題がありました。

  • 多様性に欠ける: 似たものばかりで、ユーザーが「次は違うものも見てみたい」と思っても、同じような写真しか出てこない。
  • 目的が一つだけ: 「クリックされやすいもの」だけを狙うと、保存(リピン)されにくいものが出てきたり、その逆だったりして、ビジネスの目標(保存数アップやクリック数アップなど)をバランスよく達成するのが難しかった。

2. PinRec の登場:「未来を予言する魔法の料理人」

PinRec は、この「似たもの探し」から、**「未来を予言する魔法の料理人」**へと進化しました。

① 「Outcome-Conditioned(結果を条件にする)」=「注文通りの料理」

この料理人は、**「今日の気分に合わせてメニューを変えられる」**という魔法を持っています。

  • ユーザーが「もっと保存(リピン)されたい!」と願うなら、**「保存されやすい美味しいレシピ」**を提案する。
  • ユーザーが「もっとクリックされたい!」と願うなら、**「クリックしたくなる見た目」**のレシピを提案する。

つまり、**「保存数を増やしたいのか、クリック数を増やしたいのか」**という会社の目標を、料理人(AI)に直接指示して、その目標に合わせて最適な写真(Pin)を選んでくれるのです。

② 「Multi-Token Generation(多トークン生成)」=「一度に複数の料理を並べる」

従来の AI は、**「1 回に 1 つだけ料理を出す」**というルールでした。
「次はこれ!」→「次はこれ!」と、一つずつ順番に料理を出すので、時間がかかり、同じような料理ばかり並んでしまうことがありました。

PinRec は、**「一度に 5 皿、10 皿と並べて出す」**ことができます。

  • 効率化: 一度に複数の料理を出すので、待ち時間が大幅に短縮されます。
  • 多様性: 「1 皿目は猫、2 皿目は犬、3 皿目は料理」といったように、バラエティ豊かなメニューを一度に提案できます。

3. どうやって動いているの?(仕組みのイメージ)

  1. 過去の履歴を見る:
    ユーザーが過去に何を検索し、何をクリックし、何を保存したかという「食事の履歴」をすべて読みます。
  2. 注文を確認する:
    「今日は『保存(リピン)』を重視してね」という指示(条件)を受け取ります。
  3. 未来のメニューを生成する:
    過去の履歴と注文を元に、**「次にユーザーが喜ぶであろう写真」**を、AI が文章(トークン)として次々と生成します。
    • 従来の方法:「次はこれ(写真 A)」→「次はこれ(写真 B)」と 1 つずつ。
    • PinRec:「次はこれ(写真 A)、その次はこれ(写真 B)、さらにその次はこれ(写真 C)」と、一度に複数の候補を並行して生成します。
  4. 実際に写真を探す:
    生成された「料理のレシピ(ベクトル)」をもとに、Pinterest の巨大な写真庫から、それに一番近い実際の写真を 100 枚ほどピックアップします。
  5. ユーザーに見せる:
    その中から、ランキング機能で一番いいものを選んで、ユーザーの画面に表示します。

4. どれくらいすごいのか?(成果)

この「魔法の料理人」を Pinterest に導入した結果、以下のような素晴らしい変化が起きました。

  • サイト全体のクリック数:2% 増加
  • 検索からの保存(リピン)数:4% 増加
  • ユーザーの満足度: 「もっといろんなものが見たい」という探索欲が満たされ、ユーザーがサイトにとどまる時間が伸びました。

5. まとめ:なぜこれが画期的なのか?

これまでの AI は「過去のデータから似たものを探す」のが得意でしたが、PinRec は**「未来のユーザーの行動を、目的に合わせて作り出す」**ことに成功しました。

  • ビジネスの目標に合わせて調整できる(保存を増やしたいのか、クリックを増やしたいのか)。
  • 一度にたくさんのバリエーションを出せる(多様性)。
  • 超巨大なユーザー数(5 億人以上)でも、遅延なく動ける(効率性)。

これは、AI が単なる「検索ツール」から、**「ユーザーの欲求を先読みして、最適な体験をデザインするパートナー」**へと進化したことを意味する、非常に重要な研究です。


一言で言うと:
「PinRec は、ユーザーの『次は何が見たい?』という気持ちを、保存したいのかクリックしたいのかという目的に合わせて、一度にたくさんのバリエーションで提案してくれる、超高速で賢いおすすめエンジンです。」