2026-1학기 전산전자공학대학원 다섯 번째 세미나 강의를 소개합니다. We are pleased to announce the commencement of the 2026 Spring Semester Seminar Series for the Graduate School of Computer Science and Electrical Engineering. This weekly forum serves as a cornerstone for academic exchange, bringing together students, faculty, and industry experts to explore the frontiers of modern technology.
강사(Speaker): 박정 박사 (SK Telecom)
제목(Title): From Understanding Human Videos to Socially Intelligent Robots
일시(Date): 5월 8일 금요일, 오후 4시 | May 8, Friday
장소(Venue): 뉴턴홀 310호
발표언어(Language): 한국어
강의초록(Abstract): 추천 시스템은 더 이상 단순히 “사용자가 다음에 무엇을 클릭할 것인가”를 예측하는 문제에 머물지 않는다. 실제 산업 환경의 추천 시스템은 여러 서비스 도메인에 걸친 사용자 행동을 통합적으로 이해해야 하며, 추천 결과를 설명할 수 있어야 하고, 노이즈가 많거나 부분적으로만 관측되는 사용자 피드백 속에서도 지속적으로 학습해야 한다. 또한 실시간 서빙 환경에서는 낮은 지연 시간, 신규 아이템에 대한 콜드스타트 대응, 운영 정책과 비즈니스 제약까지 함께 고려해야 한다. 본 강의에서는 추천 시스템 연구가 실제 산업 현장에 적용되기 위해 해결해야 하는 핵심문제들을 네가지 흐름으로 살펴본다. 첫째, 사용자가 여러 서비스 도메인에서 남기는 행동을 어떻게 통합할 것인지, 그리고 이 과정에서 발생하는 negative transfer를 어떻게 완화할 것인지 논의한다. 이를 위해 발표자의 연구논문인 CGRec1과 SyNCRec2을 중심으로 cross-domain sequential recommendation의 연구적 발전과 산업적 의미를 소개한다. 둘째, 단순히 정확한 추천을 넘어 사용자가 납득할 수 있는 설명 가능한 LLM 기반 추천으로의 전환을 다룬다. 특히 상용 적용 중인 LLM기반의 추천 시스템 TWiCE-Rec3을 통해 LLM의 언어적 추론 능력과 협업 필터링 기반 신호를 어떻게 통합할 수 있는지 설명한다. 셋째, 실제 사용자 행동이 항상 진짜 선호를 반영하지 않는다는 문제를 다룬다. 클릭, 구매, 시청과 같은 관측 행동은 프로모션, 우발적 선택, 공유 계정, 일시적 기분 등 다양한 요인의 영향을 받을 수 있다. 이에 따라 발표자의 연구논문인 C-APO4와 같은 접근을 통해 revealed preference와 rationalized preference를 함께 모델링하는 방향을 소개한다. 마지막으로 agentic recommendation, ground-truth가 없는 cross-sell 추천, production feedback을 활용한 continual update, 그리고 정확도, 다양성, 추천 사유 정합도 reward conflict를 향후 연구 방향으로 논의한다. 실제 추천 시스템 서빙 방식에 대해서도 설명한다. 이 강의는 추천 시스템 연구자와 실무자가 “좋은 오프라인 성능”을 넘어, 실제 사용자와 서비스 환경 속에서 동작하는득할 수 있는 설명 가능한 LLM 기반 추천으로의 전환을 다룬 추천 시스템을 설계하기 위해 무엇을 고려해야 하는지를 함께 고민하는 것을 목표로 한다.
본 세미나는 오프라인으로 진행됩니다. 학부생, 대학원생, 교직원 누구나 참여 가능하니 많은 관심과 참여 바랍니다. This seminar will be conducted online. We welcome all undergraduate students, graduate students, faculty, and staff to join us. We look forward to your interest and active participation.
2026-1학기 전산전자공학대학원 다섯 번째 세미나 강의를 소개합니다. We are pleased to announce the commencement of the 2026 Spring Semester Seminar Series for the Graduate School of Computer Science and Electrical Engineering. This weekly forum serves as a cornerstone for academic exchange, bringing together students, faculty, and industry experts to explore the frontiers of modern technology.
본 강의에서는 추천 시스템 연구가 실제 산업 현장에 적용되기 위해 해결해야 하는 핵심문제들을 네가지 흐름으로 살펴본다. 첫째, 사용자가 여러 서비스 도메인에서 남기는 행동을 어떻게 통합할 것인지, 그리고 이 과정에서 발생하는 negative transfer를 어떻게 완화할 것인지 논의한다. 이를 위해 발표자의 연구논문인 CGRec1과 SyNCRec2을 중심으로 cross-domain sequential recommendation의 연구적 발전과 산업적 의미를 소개한다. 둘째, 단순히 정확한 추천을 넘어 사용자가 납득할 수 있는 설명 가능한 LLM 기반 추천으로의 전환을 다룬다. 특히 상용 적용 중인 LLM기반의 추천 시스템 TWiCE-Rec3을 통해 LLM의 언어적 추론 능력과 협업 필터링 기반 신호를 어떻게 통합할 수 있는지 설명한다. 셋째, 실제 사용자 행동이 항상 진짜 선호를 반영하지 않는다는 문제를 다룬다. 클릭, 구매, 시청과 같은 관측 행동은 프로모션, 우발적 선택, 공유 계정, 일시적 기분 등 다양한 요인의 영향을 받을 수 있다. 이에 따라 발표자의 연구논문인 C-APO4와 같은 접근을 통해 revealed preference와 rationalized preference를 함께 모델링하는 방향을 소개한다. 마지막으로 agentic recommendation, ground-truth가 없는 cross-sell 추천, production feedback을 활용한 continual update, 그리고 정확도, 다양성, 추천 사유 정합도 reward conflict를 향후 연구 방향으로 논의한다. 실제 추천 시스템 서빙 방식에 대해서도 설명한다. 이 강의는 추천 시스템 연구자와 실무자가 “좋은 오프라인 성능”을 넘어, 실제 사용자와 서비스 환경 속에서 동작하는득할 수 있는 설명 가능한 LLM 기반 추천으로의 전환을 다룬 추천 시스템을 설계하기 위해 무엇을 고려해야 하는지를 함께 고민하는 것을 목표로 한다.
문의 (Inquiry): 054-260-3150(BK21 AI사업단)
본 세미나는 오프라인으로 진행됩니다. 학부생, 대학원생, 교직원 누구나 참여 가능하니 많은 관심과 참여 바랍니다. This seminar will be conducted online. We welcome all undergraduate students, graduate students, faculty, and staff to join us. We look forward to your interest and active participation.