新しいフレームワークであるParallel Latent Reasoning（PLR）が導入され、複数の推論経路を同時に探索することでシーケンシャル推薦システムの改善を図っています。このアプローチは、学習可能なトリガートークンを用いて並列の推論ストリームを構築し、多様性を確保するためにグローバルな推論正則化を適用することで、既存の深層シーケンシャル推薦手法の限界を克服します。PLRフレームワークは、推論ストリームの混合集約を通じて出力を適応的に組み合わせます。 広範な実験により、PLRフレームワークは効率的な推論を維持しつつ、現行の最先端ベースラインを大幅に上回る性能を示すことが明らかになりました。理論的分析もその優れた一般化能力を支持しており、シーケンシャル推薦の分野における重要な進展を示しています。