Self-EvolveRec: Self-Evolving Recommender Systems with LLM-based Directional Feedback

작성자

Haebom

카테고리

Empty

저자

Sein Kim, Sangwu Park, Hongseok Kang, Wonjoong Kim, Jimin Seo, Yeonjun In, Kanghoon Yoon, Hyunsik Jeon, Chanyoung Park

💡 개요

본 논문은 기존 추천 시스템 자동 설계 방법론의 고정된 탐색 공간 한계를 극복하기 위해 LLM 기반의 방향성 피드백 루프를 갖춘 Self-EvolveRec 프레임워크를 제안한다. 사용자 시뮬레이터의 정성적 피드백과 모델 진단 도구의 정량적 검증을 통합하여 추천 아키텍처의 동적 진화에 맞춰 평가 기준을 조정하는 전략을 도입했다. 실험 결과, Self-EvolveRec은 추천 성능 및 사용자 만족도 측면에서 최첨단 방법론들을 능가하는 성능을 보여주었다.

🔑 시사점 및 한계

•

추천 시스템 아키텍처 탐색 시, 정성적 피드백과 정량적 진단 도구를 결합하여 보다 혁신적이고 효과적인 설계를 유도할 수 있다.

•

LLM 기반 코드 진화 프레임워크에 방향성 피드백 메커니즘을 도입함으로써, 단순히 성능 지표를 넘어선 질적인 개선 방향을 제시할 수 있다.

•

진단 도구와 모델의 동시 진화 전략은 추천 시스템이 발전함에 따라 평가 기준 역시 유연하게 적응할 수 있도록 한다.

•

현재 제안된 사용자 시뮬레이터의 정교함 수준과 실제 사용자 경험과의 차이가 존재할 수 있으며, 다양한 시나리오에 대한 일반화 성능 검증이 추가적으로 필요하다.

PDF 보기

Made with Slashpage