본 논문은 생성형 인공지능, 특히 대규모 언어 모델(LLM)의 발전을 활용하여 추천 시스템(RecSys)을 향상시키는 새로운 프레임워크인 ContRec을 제안합니다. 기존 LLM 기반 RecSys는 이산 공간에서 작동하며, 손실이 발생하기 쉬운 양자화 기법을 사용합니다. ContRec은 연속 토큰을 LLM 기반 RecSys에 통합하여 이러한 문제를 해결합니다. ContRec은 연속 토큰으로 사용자와 아이템을 인코딩하는 sigma-VAE 토크나이저와 암묵적 사용자 선호를 포착하는 Dispersive Diffusion 모듈로 구성됩니다. 실험 결과는 ContRec이 기존 및 최첨단 LLM 기반 추천 시스템보다 우수한 성능을 보임을 보여줍니다.
