[논문리뷰] UserArena: Benchmarking Interactive User Simulation for Long-Horizon Shopping Agents본 논문은 에이전트 기반 추천(agentic recommendation) 정책의 개발 및 평가에 필요한 충실도 높은(faithful) 추천 월드 모델(recommendation world models)의 부재 문제를 해결한다.#Review#User Simulation#Recommendation Systems#Long-Horizon Interactions#E-commerce#Benchmarking#Trajectory Distillation#LLM Agents#Behavioral Fidelity2026년 10월 25일댓글 수 로딩 중
[논문리뷰] Many Right Answers, One Training Example: Removing Responder Noise from GRPO for LLM Recommenders본 논문은 여러 명의 인간 응답자가 피드백을 제공하는 시나리오에서, Rank-GRPO와 같은 LLM Recommender 훈련을 위한 Reinforcement Learning (RL) 과정의 비효율성과 높은 분산 문제를 해결하고자 합니다.#Review#LLM Recommenders#Reinforcement Learning (RL)#GRPO#Responder Noise#Rao-Blackwellization#Reward Modeling#Recommendation Systems2026년 10월 14일댓글 수 로딩 중
[논문리뷰] UniMixer: A Unified Architecture for Scaling Laws in Recommendation Systems본 논문은 기존 Recommendation 시스템의 Scaling 아키텍처들이 서로 파편화되어 최적의 효율성을 달성하지 못하는 문제를 해결합니다.#Review#Recommendation Systems#Scaling Laws#UniMixer#Feature Interaction#TokenMixer#Unified Architecture2026년 4월 1일댓글 수 로딩 중
[논문리뷰] Vectorizing the Trie: Efficient Constrained Decoding for LLM-based Generative Retrieval on AcceleratorsLLM 기반 생성형 검색(Generative Retrieval)은 추천 시스템의 강력한 패러다임이지만, 산업 환경에서 요구되는 출력 공간 제약(constrained output space) 을 기본 자기회귀 디코딩(autoregressive decoding) 이 지원하지 못하는 문제가 있습니다.#Review#Generative Retrieval#Constrained Decoding#Trie#Sparse Matrix#TPU#GPU#Recommendation Systems#LLM2026년 3월 1일댓글 수 로딩 중
[논문리뷰] SAIL-Embedding Technical Report: Omni-modal Embedding Foundation Model기존 멀티모달 임베딩 모델의 한계인 제한된 모달리티 지원, 불안정한 학습 메커니즘, 산업 도메인 간극을 해결하는 것을 목표로 합니다. 이를 통해 다양한 실세계 시나리오에서 효과적인 옴니모달 임베딩(omni-modal embedding) 을 제공하는 SAIL-Embedding 이라는 파운데이션 모델을 제안합니다.#Review#Omni-modal Embedding#Multimodal Learning#Recommendation Systems#Hard Negative Mining#Contrastive Learning#Large Language Models (LLMs)#Data Balancing#Multitask Learning2025년 10월 15일댓글 수 로딩 중