Skip to content
Go back

Recsys Keynote: Improving Recommendation Systems & Search in the Age of LLMs - Eugene Yan, Amazon

Published:  at  08:46 AM
YouTube Thumbnail

영상 링크: Recsys Keynote: Improving Recommendation Systems & Search in the Age of LLMs - Eugene Yan, Amazon
채널명: AI Engineer

LLM 시대, 추천 시스템과 검색의 진화: 아마존의 유진 얀 RecSys Keynote 핵심 요약


세부 요약 - 주제별 정리

과거부터 언어 모델과 딥러닝은 추천 시스템 진화의 핵심이었다

해시 ID 방식의 한계는 콜드스타트와 희소성, 인기 편향으로 나타난다

콰이쇼우는 멀티모달 의미 ID와 클러스터링으로 콜드스타트 극복 및 추천 품질 혁신을 실현함

LLM 기반 데이터 증강은 추천 및 검색 체계 혁신의 필수 열쇠이다

인디드는 LLM과 경량화 분류기를 결합해 악성 추천 필터링과 신뢰성 향상 성과를 거두었다

Spotify는 LLM 활용 쿼리 추천으로 신규 오디오 카테고리로의 유입을 극대화했다

LLM 데이터 증강은 인간 라벨 대비 롱테일 확장성과 비용 경쟁력을 압도한다

엔터프라이즈 내 시스템 중복 문제는 유니파이드 모델 도입으로 구조적 혁신이 가능하다

넷플릭스 ‘유니콘’과 Stripe 등은 통합 랭커 모델로 전사적 효율화와 성능을 동시에 잡았다

Etsy의 통합 임베딩 및 품질 벡터 구조는 검색·구매 전환율 모두 대폭 향상시켰다

유니파이드 모델은 멀티유스케이스 개선의 효과가 크지만, 일치(alignment) 텍스 조율이 필요하다

의미 기반 ID, LLM 데이터 증강, 유니파이드 모델 적용은 LLM 시대 추천·검색 혁신의 3대 축이다


수정 요청하기

Previous Post
Context Engineering 101 - The Simple Strategy to 100x AI Coding
Next Post
RL for Autonomous Coding - Aakanksha Chowdhery, Reflection.ai