# MemRec: Collaborative Memory-Augmented Agentic Recommender System

### 저자

Weixin Chen, Yuhan Zhao, Jingyuan Huang, Zihe Ye, Clark Mingxuan Ju, Tong Zhao, Neil Shah, Li Chen, Yongfeng Zhang

### 💡 개요

기존 LLM 기반 추천 시스템은 사용자 및 아이템의 개별적인 의미론적 기억에 의존하여 협업 신호를 간과하는 한계가 있습니다. 본 논문은 이러한 문제를 해결하기 위해 사용자 간의 관계 정보를 공유하는 협업 메모리 개념을 제안합니다. 제안된 MemRec 프레임워크는 경량 LM(LM_Mem)을 사용하여 협업 메모리 그래프를 효율적으로 관리하고, 핵심 정보만을 추출하여 무거운 LLM(LLM_Rec)으로 전달함으로써 컨텍스트 과부하와 노이즈를 줄여 최첨단 성능을 달성합니다.

### 🔑 시사점 및 한계

- 사용자 간의 숨겨진 선호도와 필요를 더 잘 파악하기 위해 협업 신호를 활용하는 추천 시스템의 중요성이 부각됩니다.

- 메모리 관리와 추론 단계를 분리하고 경량 언어 모델을 활용하는 효율적인 아키텍처 설계가 중요합니다.

- 데이터 희소 사용자에게 특히 효과적일 수 있으며, 향후 모델의 확장성과 일반화 성능에 대한 추가 연구가 필요할 수 있습니다.

---

[PDF 보기](https://arxiv.org/pdf/2601.08816)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).