토스 쇼핑, 정수계획법 기반 TopK 최적화로 추천 후보 절반 줄이고 구매 전환율 7.55% 높였다
토스 커머스 개인화 팀이 추천 시스템 내 후보 추출(Retrieval) 단계의 TopK 설정 문제를 배낭 문제 형태의 정수계획법으로 풀어냈습니다. 후보군 규모를 기존 대비 약 절반으로 축소했음에도 구매 전환율과 인당 주문 수를 각각 7.55%, 10.13% 끌어올렸으며, 노출 다양성 문제를 보완하기 위해 덤벨 가중 샘플링을 결합했습니다.
“머신러닝” 검색 결과검색 초기화3편
NVIDIA, 정형 데이터 파운데이션 모델 'Kumo Tabular' 오픈소스 공개
NVIDIA가 추가 학습이나 파라미터 튜닝 없이 단일 순전파로 정형 데이터를 예측하는 인컨텍스트 러닝 모델 'Kumo Tabular'를 공개했습니다. 합성 데이터 기반 사전학습과 3단계 트랜스포머 설계를 접목해 상업적 활용이 가능한 OpenMDW-1.1 라이선스로 제공됩니다.
리더보드 순위의 한계와 실무 최적화: 토스의 LLM 자체 평가 체계 'Toss Benchmark'
비바리퍼블리카(토스)가 공개 글로벌 리더보드 점수와 현업 환경 간의 괴리를 해소하기 위해 자체 LLM 평가 체계 'Toss Benchmark'를 구축했습니다. 평가 언어와 추론(Reasoning) 설정에 따른 극심한 순위 역전을 검증하고, 지시 준수 및 도메인 지식 지표를 바탕으로 사내 모델 서빙 기준을 정립했습니다.
