Towards Agentic Recommender Systems in the Era of Multimodal Large Language Models
Created by
Haebom
Category
Empty
저자
Chengkai Huang, Junda Wu, Yu Xia, Zixu Yu, Ruhan Wang, Tong Yu, Ruiyi Zhang, Ryan A. Rossi, Branislav Kveton, Dongruo Zhou, Julian McAuley, Lina Yao
개요
본 논문은 대규모 언어 모델(LLM) 기반의 에이전트 추천 시스템(LLM-ARS)에 대한 전망을 제시합니다. LLM-ARS는 외부 환경 인식, 다중 모달 정보 통합, 다양한 도구와의 상호 작용을 통해 기존 추천 시스템보다 더욱 상호 작용적이고 맥락 인식적이며 사전 예측적인 추천을 제공할 수 있습니다. 논문에서는 LLM-ARS의 핵심 개념과 구조를 분석하고, 계획, 기억, 다중 모달 추론과 같은 에이전트 기능이 추천 품질을 향상시키는 방법을 강조하며, 안전성, 효율성, 평생 개인화와 같은 주요 연구 질문을 제시합니다. 또한, 열린 문제와 미래 방향을 논의하며 LLM-ARS가 추천 시스템 혁신의 다음 단계를 주도할 것이라고 주장합니다. 궁극적으로 사용자의 진화하는 요구와 복잡한 의사 결정 과정에 더욱 부합하는 지능적이고 자율적이며 협력적인 추천 경험으로의 패러다임 전환을 예측합니다.
시사점, 한계점
•
시사점:
◦
LLM-ARS는 더욱 상호 작용적이고 맥락 인식적이며 사전 예측적인 추천을 제공할 수 있습니다.
