MiniOneRecは、生成的推薦システムのための初の完全オープンソースフレームワークを提供します。従来の推奨システムは大規模な埋め込みテーブルに依存しがちですが、新たに提案された生成パラダイムは、自己回帰トランスフォーマーによって生成されるコンパクトなセマンティックID（SID）シーケンスに置き換えています。この研究は、一般的なベンチマークにおけるスケーリング法則の効果と、競争力のあるパフォーマンスを実現するための最小限のトレーニング後レシピに焦点を当てています。MiniOneRecの実験では、モデルサイズが大きくなると、トレーニングと評価の損失が一貫して減少することが確認され、生成アプローチのパラメータ効率が検証されました。さらに、トレーニング後のパイプラインの改善により、ランキング精度と候補の多様性が大幅に向上しました。