| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
Tags
- LLM
- reranking
- coding test
- fine-tuning
- NLP
- SFT
- Python
- COT
- DyPRAG
- retrieval
- RAG
- Embedding
- qwen
- Hallucination
- Parametric RAG
- Document Augmentation
- Noise
- moe
- GPT
- Algorithm
- Retriever
- Noise Robustness
- odds
- DPO
- Transformer
- lora
- Baekjoon
- 파인튜닝
- Statistics
- Do it
Archives
- Today
- Total
목록CF (1)
왕구아니다
본 논문 리뷰는 저의 개인적인 해석과 의견을 바탕으로 작성된 글입니다.내용 중 해석의 오류나 개념적인 착오가 있다면, 망설이지 마시고 댓글로 혼내주시면 감사하겠습니다~Preview- 추천 시스템의 cold start 문제를 LLM을 이용해 해결하는 방향성 제시- LLM을 추천 시스템 모델에 결합해 새로운 아키텍처 혹은 시스템을 만들 때 연구가 필요한 4가지 연구 질문 제시1) LLM은 효과적인 추천을 실제로 제공할 수 있는가?2) LLM 기반 추천의 한계는 무엇인가?3) 신규 아이템 추천과 LLM의 환각 문제를 어떻게 해결할 수 있는가?4) 검색 기반과 생성 기반을 결합하면 추천 품질이 향상되는가?📍0. Abstract추천 시스템(RS)은 e-commerce부터 콘텐츠 스트리밍까지 다양한 영역에서 사용..
Paper Review/Recommendation System
2025. 10. 9. 00:36
