CARTS: Collaborative Agents for Recommendation Textual Summarization
Created by
Haebom
저자
Jiao Chen, Kehui Yao, Reza Yousefi Maragheh, Kai Zhao, Jianpeng Xu, Jason Cho, Evren Korpeoglu, Sushant Kumar, Kannan Achan
개요
본 논문은 추천 시스템에서 제품 카루셀이나 그룹화된 아이템 표시를 위한 간결하고 일관된 제목 생성과 같은 텍스트 데이터 요약의 필요성을 다룹니다. 기존의 대규모 언어 모델(LLM) 기반 요약 방법은 추천 시스템의 아이템 특징과의 높은 관련성 및 엄격한 단어 수 제한 등의 요구사항을 충족하지 못하는 한계를 가지고 있습니다. 이를 해결하기 위해 본 논문에서는 추천 시스템의 구조적 요약을 위한 다중 에이전트 LLM 프레임워크인 CARTS (Collaborative Agents for Recommendation Textual Summarization)를 제안합니다. CARTS는 생성 증강 생성(GAG), 개선 순환, 중재의 세 단계로 구성되어 있으며, 각 에이전트는 중요한 아이템 특징 추출, 관련성 및 길이 피드백 기반의 제목 반복적 개선, 최종 제목의 공동 중재를 통해 역할을 수행합니다. 대규모 전자상거래 데이터 및 실제 A/B 테스트 결과, CARTS는 단일 패스 및 사고 연쇄(chain-of-thought) LLM 기준 모델보다 훨씬 뛰어난 제목 관련성과 향상된 사용자 참여 지표를 제공함을 보여줍니다.
시사점, 한계점
•
시사점:
◦
다중 에이전트 LLM 프레임워크를 활용하여 추천 시스템의 텍스트 요약 문제를 효과적으로 해결
