[논문리뷰] Personal-Agent Mediated Recommendation with Cross-Platform User History

링크: 논문 PDF로 바로 열기

메타데이터

저자: Yu Xia, Jiangfan Zhang, Jun Xiao, Julian McAuley, Xiangjun Fan

## 1. Key Terms & Definitions (핵심 용어 및 정의)

• Personal-Agent Mediated Recommendation: 플랫폼이 생성한 기본 추천 리스트(Proposal)를 개인 LLM 에이전트가 사용자의 교차 플랫폼(Cross-Platform) 기록을 활용해 수정하거나 유지하는 추천 패러다임.
• MediateRec: 정보 비대칭이 통제된 환경에서 개인 에이전트의 중재 성능을 평가하기 위해 제안된 벤치마크.
• PAMO (Personal Attribution Mediation Optimization): 교차 플랫폼 히스토리에 대한 의존도를 정량화하고, 플랫폼 대비 추천 성능을 보존하면서 최적의 중재를 수행하도록 학습하는 방법론.
• Rescue vs. Harmful Override: 에이전트가 플랫폼이 놓친 아이템을 발굴(Rescue)하거나, 플랫폼이 적절히 랭킹한 아이템을 제거(Harmful Override)하는 중재의 양면성.

## 2. Motivation & Problem Statement (연구 배경 및 문제 정의) 본 논문은 현대의 플랫폼 중심 추천 환경이 사용자가 소유한 개인 LLM 에이전트가 여러 서비스를 가로질러 작용하는 사용자 중심의 패러다임으로 변화함에 따라 발생하는 문제를 해결하고자 한다. 기존 연구들은 주로 플랫폼 내 정보만을 활용하는 에이전트나 추천 시스템 자체를 강화하는 데 집중했으나, 이미 생성된 강한 플랫폼 추천 결과를 개인 에이전트가 어떤 상황에서 수정하고 어떤 상황에서 신뢰해야 하는지에 대한 정량적 기준이 부재했다 [Figure 1]. 이 과정에서 발생하는 'Rescue-Harm Trade-off'를 효과적으로 제어하는 것이 개인화 추천의 핵심 문제로 부상했다. 저자들은 기존의 성과 기반 강화학습(Outcome-only RL)이 단순히 성공 여부만을 판단할 뿐, 교차 플랫폼 히스토리가 실제 중재에 얼마나 기여했는지를 구분하지 못한다는 한계를 지적한다.

## 3. Method & Key Results (제안 방법론 및 핵심 결과) 저자들이 제안하는 PAMO는 교차 플랫폼 히스토리를 반사실적(Counterfactual)으로 마스킹하여 에이전트의 개인 중재 지원(Personal Mediation Support) 점수를 추정하고, 이를 기반으로 랭킹별 Advantage를 재배치하는 최적화 프레임워크이다. PAMO는 NDCG를 랭킹 깊이별로 분해하여 Rank-Aware하게 Advantage를 할당하며, 이때 플랫폼 대비 추천 가치를 보존하는 'Value Floor' 제약을 도입한다. 실험 결과, PAMO는 표준적인 Outcome-only RL 대비 더 나은 Rescue-Harm 균형을 달성하며, 모든 테스트 환경에서 일관된 성능 향상을 보였다. 구체적으로 PAMO는 Seen Target Platform 및 Unseen Target Platform, 그리고 실환경 테스트인 OpenPlay에서 HR@10 및 NDCG@10 지표를 개선하며 정교한 중재 능력을 입증했다. 또한, PAMO는 첫 번째 차수의 재배치 중 Value Floor를 위반하지 않으면서 최적의 Advantage를 할당한다는 점에서 로컬 최적성(Local Optimality)을 갖는다.

## 4. Conclusion & Impact (결론 및 시사점) 본 논문은 사용자 중심의 교차 플랫폼 중재 추천이라는 새로운 프레임워크를 정립하고, 이를 위한 벤치마크와 최적화 기법을 성공적으로 제시했다. PAMO를 통해 에이전트는 플랫폼 추천의 강점을 훼손하지 않으면서도 개인화된 교차 플랫폼 데이터를 효과적으로 반영하는 중재 행동을 학습할 수 있게 되었다. 이 연구는 미래의 LLM 기반 에이전트 시스템이 사용자의 전체 활동 이력을 바탕으로 플랫폼의 성능을 보완하고 더 정교한 개인화 서비스를 제공하는 아키텍처적 기반을 마련했다는 점에서 학계와 산업계에 큰 시사점을 준다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.