AI Briefing#recommendation-system
#recommendation-system와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#recommendation-system와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
토스 TASTE가 멀티태스크 학습으로 추천 성능을 35.1% 높이고 타 서비스에도 적용했다.
컬리가 Argo Workflows와 SageMaker로 추천 모델 일일 자동 배포 파이프라인을 구축했다.
무신사가 예측을 넘어 결정과 발견을 다루는 DeciML과 NeXA 플랫폼을 개발했다.
카카오 추천팀이 Data Catalog와 Analyst Persona를 적용해 AI 분석의 기준을 통일했다.
SMU 및 Meta AI 소속 연구자의 실증 연구에서, 추천 재순위화 시 Jev 모델이 포인트와이즈 Qwen 대비 지연 시간이 최대 17배 짧고 12개 실험 조건 중 11개에서 품질-지연 비열(non-dominated) 경계에 위치했다.
후보 수를 절반으로 줄여 사용자당 주문 수 10.13% 높이고 CTR은 3.71% 감소했다
카카오가 GDCN과 MoE를 결합한 개인화 랭킹 모델을 도입해 유효재생률을 20% 개선했다.
올리브영이 NLL 지표를 활용해 AI Pick 추천 카드의 자연스러움과 형식 준수율을 동시에 개선하는 정렬 학습 방식을 공개했다.
GS리테일과 AWS가 AI-DLC 방법론을 적용해 GS SHOP 검색·추천 팀의 개발 및 검증 프로세스를 표준화했다.
Netflix가 CLIP 임베딩을 도입해 신규 콘텐츠의 개인화 추천 문제를 해결했다.
Malachyte는 LLM의 attention 기반 모델과 Google Cloud 인프라로 리테일 추천의 콜드스타트 문제를 풀었다.
Netflix가 복잡한 기존 추천 시스템을 LLM 네이티브 구조로 전환하는 방향을 제시했다.
넷플릭스가 기존의 복잡한 피처 엔지니어링 중심 추천 시스템을 탈피하여 LLM을 핵심으로 하는 GenRec 모델을 제안한다.
Pinterest는 사용자의 의도를 더 정교하게 파악하는 유스케이스 표현 기술을 통해 주간 활성 사용자(WAU)를 성장시켰다.
Airbnb가 게스트의 장기적인 행동 패턴을 학습하여 최적의 숙소를 추천하는 Transformer 기반 시퀀스 모델을 구축했다.
Netflix는 사용자 맞춤형 홈 화면을 구성하기 위해 행(row)과 엔티티를 순차적으로 생성하는 GenPage 기술을 도입한다.
새 플랫폼 없이 기존 Hadoop 환경에 스킬과 컨텍스트 문서를 접목해 분석 절차를 자동화했다.
SilverTorch는 마이크로서비스 기반의 추천 시스템을 단일 신경망으로 통합하여 검색 효율성과 정확도를 극대화한 새로운 패러다임이다.
Pinterest는 '하나의 정의로 여러 런타임 지원' 방식을 도입해 사용자 시퀀스 데이터 플랫폼의 비용 효율성과 일관성을 개선했다.