Self-Evolving Recommendation System: End-To-End Autonomous Model Optimization With LLM Agents

Created by

Haebom

저자

Haochen Wang, Yi Wu, Daryl Chang, Li Wei, Lukasz Heldt

💡 개요

본 논문은 대규모 추천 시스템 최적화에 대한 어려움을 해결하기 위해 LLM 에이전트를 활용한 자체 진화 추천 시스템을 제안한다. 제안된 시스템은 프록시 지표를 사용하여 가설을 생성하는 오프라인 에이전트와 실제 비즈니스 지표로 후보를 검증하는 온라인 에이전트로 구성되어, 수동 개입 없이 모델 최적화, 아키텍처 설계, 보상 함수 개발을 자율적으로 수행한다. 이를 통해 YouTube에서 성공적으로 배포되었으며, 기존 엔지니어링 워크플로우보다 개발 속도와 모델 성능 모두에서 우수함을 입증했다.

🔑 시사점 및 한계

•

LLM 에이전트가 추천 시스템의 모델 최적화, 아키텍처 설계, 보상 함수 개발 등 복잡한 ML 엔지니어링 작업을 자율적으로 수행할 수 있음을 보여주었다.

•

엔드-투-엔드 자동화 워크플로우를 통해 개발 속도를 획기적으로 향상시키고, 장기적인 사용자 참여를 목표로 하는 더 정교한 보상 함수를 발견할 수 있음을 입증했다.

•

실제 프로덕션 환경에서의 성공적인 적용은 LLM 기반 자율 모델 진화의 실용성과 잠재력을 강조한다.

•

제안된 시스템의 복잡성과 LLM 에이전트의 의사 결정 과정에 대한 투명성 확보, 그리고 지속적인 성능 유지 및 개선을 위한 추가 연구가 필요하다.

PDF 보기

Made with Slashpage