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.
Pinterest가 실시간 컨텍스트를 통합한 순차 추천 모델로 광고 관련성과 ROAS를 높였다.
Pinterest가 전환 중심 후보 생성 모델을 재설계해 RoAS와 전환 성과를 끌어올렸다.
Pinterest는 DPP에서 SSD와 soft spacing으로 피드 다양성과 품질을 함께 최적화했다.
Meta는 request routing과 hardware co-design으로 광고 랭킹을 LLM 규모로 확장했다.
LLM과 지식 증류를 활용해 리뷰의 진정성을 수치화함으로써 별점 인플레이션 문제를 해결하고 추천의 변별력을 높였다.
컬리가 Knowledge Distillation을 적용한 Collaborative Embedding 모델을 도입해 세일 지면에서 ARPU 약 140% 증가를 달성했다.
PolicyEngine으로 실험 설정과 리뷰 시간을 2일에서 30분으로 줄였다.
LINE VOOM은 콘텐츠 반영 지연 문제를 해결하기 위해 Milvus 기반의 실시간 추천 시스템을 구축했다.
올리브영은 기존 속성 기반 유사도 계산의 한계를 극복하기 위해 사용자 검색 로그를 활용한 의미론적 상품 유사도 모델을 개발했다.
실시간 광고 서빙 버킷 시스템과 LLM 기반 스팸 분류 사유 제공 기술 등을 공개했다.
컬리 데이터서비스개발팀이 TorchServe 튜닝과 GracefulShutdown 적용으로 장바구니 추천 모델의 무중단 실시간 서빙 시스템을 구축했다.
12월 12일 판교 아지트에서 열리며 온라인 라이브와 녹화 영상도 제공한다.
제주에서 열린 KSC2022에서 카카오 추천팀과 클라우드플랫폼팀이 기술 세션과 채용 부스를 운영했다.
카카오 광고추천팀은 대규모 RTB 환경에서 6가지 최적화 모델과 실시간 데이터 파이프라인을 MLOps 구조로 통합 운영하며, 고도화된 서빙 시스템을 구축하고 있다.
카카오 추천팀 인턴으로 2개월간 추천 서비스 개선 및 R&D 프로젝트를 수행하고 정식 크루로 전환된 경험담
실시간 피드백 반영과 장기 보상 최적화를 위해 주제별 MAB를 가중평균하는 방식이다.
카카오가 사내 기술 세미나 Techtalk 2회를 열고 TensorFlow 서빙 최적화 및 대규모 데이터 학습 경험을 공유했다.
카카오가 자사의 AI 추천 시스템 기술과 미래 비전을 공개하며, 정보 필터링 기술의 중요성과 향후 발전 방향을 소개했다.