[논문리뷰] UniMoMo: Expert Merging-Based MoE Acceleration for Large Recommendation Models본 논문은 대규모 추천 모델을 위한 Sparse MoE가 학습된 이후, 실제 배포 단계에서 요구되는 제한된 자원(Expert Budget)에 맞춰 체크포인트를 효율적으로 축소하는 문제인 Expert-budgeted deployment를 해결한다.#Review#Recommender Systems#Mixture of Experts#Model Compression#Expert Merging#Adaptive Routing2026년 8월 11일댓글 수 로딩 중
[논문리뷰] RecHarness: A Bandit-Routed Agentic Harness for Self-Evolving Recommender Systems본 논문은 추천 시스템 개발 과정에서 반복적인 수동 엔지니어링 작업이 소요되는 문제를 자동화된 방식으로 해결하고자 합니다.#Review#Recommender Systems#Agentic Harness#Bandit-Routed Optimization#LLM-based MLE#Thompson Sampling#Self-Evolving2026년 8월 3일댓글 수 로딩 중
[논문리뷰] RecGPT-V3 Technical Report본 논문은 대규모 산업용 추천 시스템에서 LLM을 활용할 때 발생하는 세 가지 핵심적인 병목 현상을 해결하고자 합니다. 기존 RecGPT 시리즈와 같은 LLM 기반 추천 모델들은 사용자 전체 행동 이력을 매번 재처리하는 Stateless behavior modeling으로 인해 불필요한 연산이 발생합니다 .#Review#Large Language Models#Recommender Systems#Memory Hub#Semantic IDs#Latent Intent Reasoning#Hybrid-modal Foundation Model#Instruction Tuning2026년 7월 19일댓글 수 로딩 중
[논문리뷰] OneRank: Unified Transformer-Native Ranking Architecture for Multi-Task Recommendation본 논문은 현대의 Transformer 기반 다중 작업 추천 모델들이 여전히 Encoder-Predictor 구조를 답습하고 있어, 근본적인 성능 한계와 확장성 제약에 직면해 있음을 지적합니다 .#Review#Recommender Systems#Multi-Task Learning#Transformer#Ranking#Representation Learning#Gradient Interference#Information Bottleneck2026년 6월 15일댓글 수 로딩 중
[논문리뷰] MemRerank: Preference Memory for Personalized Product Reranking저자들은 사용자 구매 이력을 within-category와 cross-category 선호도로 구분하여 추출하는 Memory Extractor 모델을 설계하였다. 이 추출기는 재순위화 작업의 성능을 극대화하기 위해 GRPO 기반의 강화학습으로 post-training 되며, 이를 통해 별도의 Gold Label 없이도 재순위화 보상을 직접 최적화한다 .#Review#Recommender Systems#Large Language Models#Product Reranking#Preference Memory#Reinforcement Learning2026년 4월 1일댓글 수 로딩 중
[논문리뷰] RecGPT-V2 Technical ReportRecGPT-V2는 기존 RecGPT-V1의 LLM 기반 추천 시스템 이 겪던 계산 비효율성, 설명 다양성 부족, 제한된 일반화 능력, 단순한 평가 방식의 네 가지 근본적인 한계를 해결하는 것을 목표로 합니다.#Review#Recommender Systems#Large Language Models#Multi-Agent Systems#Reinforcement Learning#Dynamic Prompting#Hybrid Representation#Agentic Evaluation#Explanation Generation2025년 12월 16일댓글 수 로딩 중
[논문리뷰] Fidelity-Aware Recommendation Explanations via Stochastic Path Integration본 논문은 추천 시스템에서 설명의 충실도(fidelity), 즉 설명이 모델의 실제 추론을 얼마나 정확하게 반영하는지에 대한 문제를 해결하고자 합니다.#Review#Recommender Systems#Explainable AI (XAI)#Explanation Fidelity#Path Integration#Stochastic Sampling#Counterfactual Explanations#Model-Agnostic#Sparse Data2025년 11월 24일댓글 수 로딩 중
[논문리뷰] Extracting Interaction-Aware Monosemantic Concepts in Recommender Systems본 논문은 현대 추천 시스템의 잠재 임베딩이 의미론적으로 불투명하여 해석 가능성이 낮고 제어가 어렵다는 문제를 해결하고자 합니다.#Review#Recommender Systems#Sparse Autoencoder (SAE)#Monosemantic Neurons#Interpretability#Prediction-Aware Loss#User-Item Interactions#Post-hoc Control2025년 11월 24일댓글 수 로딩 중
[논문리뷰] Understanding Embedding Scaling in Collaborative Filtering협업 필터링 모델에서 임베딩 차원을 확장할 때 발생하는 성능 변화를 이해하고, 기존에 알려진 '단일 봉우리(single-peak)' 현상을 넘어서는 새로운 스케일링 패턴을 발견하는 것이 목표입니다. 또한, 이러한 현상의 근본적인 원인을 밝히고 특히 데이터 내 노이즈 상호작용 의 역할을 규명하고자 합니다.#Review#Collaborative Filtering#Embedding Scaling#Noise Robustness#Recommender Systems#Graph Neural Networks#Self-supervised Learning#Performance Degradation2025년 9월 23일댓글 수 로딩 중
[논문리뷰] Evaluating Podcast Recommendations with Profile-Aware LLM-as-a-Judge본 논문은 팟캐스트와 같은 롱폼 오디오 도메인에서 개인화된 추천 시스템 평가의 어려움(노출 편향, A/B 테스트의 높은 비용 및 제약)을 해결하고자 합니다. 특히, 배포 전 모델 선택 단계에서 확장 가능하고 신뢰할 수 있으며 해석 가능한 평가 방법론의 부재라는 핵심 문제를 다룹니다.#Review#Podcast Recommendation#LLM-as-a-Judge#Offline Evaluation#User Profiling#Recommender Systems#Natural Language Processing2025년 8월 20일댓글 수 로딩 중
[논문리뷰] RecGPT Technical Report기존 추천 시스템의 로그 기반(log-fitting) 접근 방식 이 야기하는 과적합, 필터 버블, 롱테일 문제의 한계를 극복하고, 사용자 의도 를 중심으로 하는 차세대 추천 시스템 RecGPT 를 제안합니다.#Review#Recommender Systems#Large Language Models (LLMs)#User Intent Modeling#Multi-Stage Training#Human-in-the-Loop#E-commerce#Filter Bubble Mitigation#Matthew Effect2025년 8월 2일댓글 수 로딩 중