RecGPT-V3는 사용자 이해를 중심으로 하는 추천 시스템 모델입니다. 기존 모델의 한계를 극복하기 위해 상태 유지, 하이브리드 모달 방식, 잠재적 의도 추론 기술을 도입했습니다. Taobao의 'Guess What You Like' 피드에 적용해 IPV 1.28%, CTR 1.00%, TC 1.97%, GMV 3.97%의 성능 향상을 달성했습니다. 서비스 리소스 소비량은 52.4% 절감했습니다.
RecGPT-V3는 사용자 행동 패턴을 분석하는 데 LLM을 활용하며, 사용자 이해를 중심으로 하는 추천 시스템 패러다임을 제시합니다. 기존 모델은 사용자 기록을 재처리하는 방식의 stateless 문제, 태그-아이템 정보 병목 현상, 비효율적인 명시적 추론 문제를 가지고 있었습니다.
메모리 허브는 장기적인 사용자 행동을 요약하여 사용자 모델링 계산을 55.8% 줄이고, 하이브리드 모달 파운데이션 모델은 텍스트 태그와 Semantic ID를 함께 추론하여 아이템 공간으로의 고대역폭 채널을 열었습니다. 잠재적 의도 추론은 장황한 사고 과정을 압축하여 읽을 수 있는 설명으로 남기는 방식으로 출력 토큰 비용을 200배 절감했습니다.
RecGPT-V3는 arXiv에 공개되었으며, 논문 전문은 링크에서 확인할 수 있습니다.