-
패스트캠퍼스 환급챌린지 35일차 미션 (3월 6일) : 30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지 강의 후기2024년 패스트 캠퍼스 챌린지 2024. 3. 6. 18:07
강의 내용 Review
📍배운내용📍
- 대화형 추천 시스템
👉강의내용👈
대화형 추천 시스템
- chatGPT는 사전 훈련된 LLM을 백본으로 한 텍스트 생성 기법
- 인간이 피드백을 제공하는 것을 통해 강화학습 진행 함
- 할루시네이션 문제가 치명적였지만 현재는 많이 개선되었음
- chatGPT의 추천 성능은? 추천 영역에서 ChatGPT
- 대화형 강점을 가진 chatGPT는 검색과 추천의 결합으로 원하는 상품에 대해 쿼리를 날림
- 상호작용을 통해 유저가 원하는 것을 적극적으로 어필하고 서로 시너지를 내면서
- 유저가 가진 미묘한 의도나 감정도 캐치 가능
- 대화형 추천은 변화하는 선호를 캐치하며 고객이 원하는 것을 얻을수있음
- 추천시스템은 도메인 지식에 제한적임, LLM은 방대한 도메인 지식 활용가능 함
- 하지만 LLM은 다양한 문제가 있음( 컴퓨팅 소스, 보안 등등)
- 필터버블: 고객이 시스템과 상호작용할때 편향된 결과만 노출되고 편향된 노출 결과에 편향된 피드백을 제공하면서 필터가 만드는 버블 안에 갇힘, 편향된 결과에 영향을 받을 수 있음, 대화 품질 문제
대화 품질 문제
- 프롬프트 엔지니어링으로 개선 가능, 유저의 참여도가 낮으면 추가적인 질문을 하듯 추가적인 작업을 모델링함 정확한 추천 어려움
- 프롬프트 엔지니어링: LLM은 무궁한 가능성있음 이것을 유도하는 것
- 컨텍스트 창을 통해 전달되는 모든 것들, 현재 상황에 대한 정보, 출력의 포맷 지정
- 템플릿: 추천, 글쓰기, 테스트케이스 템플릿을 구성해야함
- 원하는 출력을 나올지 prompt 값을 조정 해야함
- 원하는 형태에 대한 가이드라인 제공함
- 추천 시스템을 위한 ChatGPT : 추천 시스템으로서 GPT의 능력은?
- few shot과 zero shot으로 추천 모델을 생성해보자
- 태스크에 따라서 프롬프트 생성함, 프롬프트에 따라 출력물 제공함
- 어떤 추천 테스트 할지 프롬프트를 만듦
- 몇 개의 케이스를 프롬프트에 넣음, 작은 정보를 제공함 few-shot
- 출력의 형태를 이해가능하고 평가 할수있도록 포매팅
공부사진
35일차 후기
좀 빨리 볼걸, 며칠전 필요했던 정보가 다있넹~~
얼른 듣자
본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
'2024년 패스트 캠퍼스 챌린지' 카테고리의 다른 글