AdaRec은 대규모 언어 모델을 활용하여 적응형 개인화 추천을 위한 소수 샷(few-shot) 문맥 내 학습 프레임워크입니다. 사용자-아이템 상호 작용을 자연어 표현으로 변환하여 통합된 작업 처리를 가능하게 하고, 인간 가독성을 향상시키는 서술 프로파일링을 도입합니다. 이중 변수 추론 패러다임을 중심으로, 동료 주도 패턴을 발견하는 수평적 행동 정렬과 사용자 선호도 뒤의 결정적 요인을 강조하는 수직적 인과 관계 귀속을 통합하는 이중 채널 아키텍처를 사용합니다. AdaRec은 의미론적 표현을 통해 수동적인 특징 엔지니어링을 제거하고 최소한의 감독으로 빠른 교차 작업 적응을 지원합니다. 실제 전자 상거래 데이터 세트에 대한 실험 결과, AdaRec은 머신 러닝 모델과 LLM 기반 기준선 모두를 소수 샷 설정에서 최대 8%까지 능가했습니다. 제로 샷 시나리오에서, 전문적으로 제작된 프로파일링보다 최대 19% 향상을 달성하여 최소한의 상호 작용 데이터로 롱테일 개인화에 효과적임을 보여줍니다. 또한, AdaRec이 생성한 합성 데이터에 대한 경량 미세 조정은 완전 미세 조정된 모델의 성능과 일치하여, 다양한 작업에서 효율성과 일반화를 강조합니다.
