近年、レコメンダシステム（RS）の分野では生成モデリングによる大幅な性能向上が見られます。しかし実際の推薦タスクでは、単なる関連性だけでなく、アイテム属性に関する制約や公平性要件など、複数の目的を同時に満たすスレート（順序付きアイテムリスト）を構築する必要があります。既存の多目的手法は、非生成設定向けの後処理技術に依存するか、補助目的をモデル訓練に直接組み込むかのいずれかでした。前者は生成RSの逐次的な性質を考慮しておらず、後者は大規模システムでは非現実的であることが多いです。
本研究では、自己回帰型生成RSを変更や再学習なしで多目的スレート生成に対応させる、軽量な推論時デコーディング層を提案します。この手法は、デコーディングをオンライン制約最適化問題として捉え、アイテムを逐次選択する過程で、残りの制約スラック（各目的がまだどれだけ満たされるべきか）に基づいて関連性と補助目的のトレードオフを動的に調整します。具体的には、確率的原始双対近似スキームを用いて、生成中に関連性と補助目的のバランスをリアルタイムに取ります。
理論面では、制約違反と後悔（regret）に関する厳密な保証を提供し、アルゴリズムの収束性と安定性を裏付けています。実験評価として、大規模なオフライン実験と実世界のレコメンダシステムでのオンラインA/Bテストを実施しました。結果は、ユーザ満足度を損なうことなく、補助目的（例：多様性や公平性）を1.8%向上させるなど、多目的トレードオフの一貫した改善を示しました。この成果は、産業界の推薦システムにおける多目的最適化に即応可能な軽量ソリューションを提供し、既存の生成RSへの迅速な適応と導入コストの低減に寄与するものと期待されます。