LLMDistill4Ads: Using Cross-Encoders to Distill from LLM Signals for Advertiser Keyphrase Recommendations
Created by
Haebom
Category
Empty
저자
Soumik Dey, Benjamin Braun, Naveen Ravipati, Hansi Wu, Binbin Li
개요
본 논문은 전자상거래 플랫폼에서 광고 캠페인을 위해 키워드 입찰을 하는 판매자들을 위해, LLM, cross-encoder, bi-encoder EBR 모델을 활용한 증류 프레임워크를 제시한다. 이 프레임워크는 클릭 유도 편향을 완화하여 판매자, 검색 시스템, 구매자 모두에게 적합한 키워드 추천을 목표로 한다.
시사점, 한계점
•
시사점:
◦
LLM을 활용하여 부정적인 피드백 수집의 어려움을 해결하고 확장 가능한 대안을 제시함.
◦
cross-encoder 및 bi-encoder EBR 모델을 활용하여 키워드 추천의 효율성을 높임.
◦
클릭 유도 편향 완화를 통해 키워드 추천의 정확성을 향상시킴.
•
한계점:
◦
특정 전자상거래 플랫폼에서의 경험적 연구이므로, 다른 플랫폼에 일반화하기 어려울 수 있음.
◦
구체적인 모델 아키텍처, 훈련 데이터, 평가 지표 등에 대한 자세한 정보가 부족할 수 있음.
◦
실제 판매자, 검색 시스템, 구매자의 피드백을 어떻게 통합하는지에 대한 추가적인 설명이 필요함.
