pile·
AI / ML·kream크림 (KREAM)·

밑바닥에서 개선한 추천시스템 with Two-Tower Model

문제Matrix Factorization 기반 추천시스템은 Cold-start 문제와 복잡한 사용자-아이템 상호작용 포착에 한계가 있었다.
접근Two-Tower 신경망(쿼리 인코더 + 아이템 인코더)을 도입하고, In-Batch Sampled SoftMax·LogQ Correction으로 샘플링 편향을 보정, ScaNN 기반 ANN으로 빠른 서빙을 구현했다.
결과2024년 1월 배포 후 사용자 고유 클릭 수가 크게 증가했으며, LogQ Correction 미적용 시 10~20% 성능 차이가 발생해 편향 보정의 중요성을 확인했다.
kream
크림 (KREAM) 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. AI / ML·stackoverflow-blogStack Overflow Blog·

    에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

    Motorola Solutions의 테스트 엔지니어링 선임 매니저 Suneet Malhotra가 Stack Overflow 팟캐스트에 출연해 MCP(Model Context Protocol) 기반 에이전틱 SDLC 파이프라인 구축과 LLM-as-judge 평가 방법론을 소개했다. QA 엔지니어링 관점을 소프트웨어 개발 생애 전반에 적용하고, 설계 단계 직후 스펙을 강화해 결함 비용을 줄이는 'QA shift-left' 접근을 다룬다.

    요약 이어보기
    #llm-agent#mcp#test-automation+2
  2. AI / ML·LINE EngineeringLINE Engineering·

    보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

    LY Corporation Security Development Division이 보안 업무용 AI 에이전트 플랫폼 SAGE의 개발 과정을 공개했다. "완전 자동화"와 "도입 미루기" 양 극단 사이에서 "판단은 사람에게 남기는 설계"를 핵심 원칙으로 삼고, 3단계 점진적 도입 전략(AI 보조→에이전트 협업→자동화)을 채택했다. 현재는 1단계를 중심으로 파일럿·실운영 중이다.

    요약 이어보기
    #llm-app#opensearch#mcp+2