본 논문은 대규모 언어 모델(LLM) 기반 추천 시스템의 취약성을 해결하기 위해 외부 협업 신호를 활용하는 새로운 프레임워크 RETURN을 제안합니다. 기존 LLM 기반 추천 시스템은 작은 변화에도 취약하다는 문제점을 가지고 있는데, RETURN은 아이템 간 공동 출현을 기반으로 한 협업 신호를 검색하여 악의적인 협업 지식을 제거하고, Retrieval-Augmented Generation (RAG) 기법을 통해 LLM의 내부 지식을 보강함으로써 강건성을 향상시킵니다. 구체적으로, 외부 협업 지식을 검색하여 사용자의 과거 상호작용 내 잠재적인 변화를 식별하고, 삭제 또는 대체 전략을 사용하여 변화를 제거합니다. 마지막으로, 강건한 앙상블 추천 전략을 통해 최종 예측을 생성합니다. 세 개의 실제 데이터셋에 대한 광범위한 실험을 통해 제안된 RETURN의 효과를 입증합니다.
