PyTorchKR Papers

최신 논문

총 13편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.10942v2cs.AI

StoreBench: 자율 운영자 에이전트의 평가 및 학습을 위한 라이브 커머스 환경

StoreBench: A Live-Commerce Environment for Evaluating and Training Autonomous Operator Agents

강화학습(RL) 환경은 이제 사후 학습(post-training)에서 대규모 언어 모델(LLM)의 역량을 향상시키는 주요 수단이 되었으나, 대부분의 에이전트 벤치마크는 여전히 정적입니다. 즉, 에이전트가 행동할 때만 환경이 변화하고, 보상은 최종적인 판정으로 주어지며, 통과 기준은 자의적으로 설정됩니다. 본 논문에서는 에이전트가 프로덕션 수준의 상거래 백엔드에서 중간 규모의 온라인 의류 매장을 운영하며 불확실성 속에서 장기 계획 수립 및 경제적 판단력을 시험받는 라이브 커머스 환경인 StoreBench를 소개합니다. 고객은 24시간 내내 주문하고, 공급업체는 가격을 재책정하거나 공급에 실패하며, 시장 충격은 부분적인 예고만 있거나 예고 없이 발생합니다. 에이전트는 실제 인간 운영자가 사용하는 것과 동일한 29개의 판매자 도구를 통해 행동하며, 취해진 행동의 함수로 시뮬레이션 시간을 계산하는 윈도우 기반 운영 예산 하에서 작동하므로 모델 지연 시간이 시뮬레이션 시간에 영향을 미칠 수 없습니다. 통과 임계값은 스크립트 기반 앵커 정책을 기준으로 보정되었고, 보상은 다양한 보상 해킹 목록에 대비해 강화되었으며, 일련의 행동이 주어지면 모든 에피소드가 동일하게 재현됩니다. 본 연구에서는 추론 노력을 일치시킨 상태에서 세 가지 월드 시드에 걸쳐 30~45일 및 시뮬레이션된 1년 전체에 해당하는 11개 시나리오를 바탕으로 7개의 프론티어 LLM을 평가합니다. 평균적으로 스크립트 기반 스마트 트리아지(smart-triage) 정책에 필적하는 모델은 없었습니다. 최고 성능을 보인 DeepSeek-V4-Pro는 휴리스틱의 97% 대비 49%의 태스크-시드 셀을 통과했습니다. 동일한 도구와 예산을 사용하여 작업한 인간 전문가는 모든 모델보다 높은 점수를 기록했습니다(평균 종합 점수 0.708 대 0.700). Claude Code 하네스 기반의 시뮬레이션된 1년 전체에 걸쳐 대다수 모델은 극적인 성능 향상을 보입니다. GRPO 사후 학습 실행에서 서로 다른 5개의 태스크로만 학습된 Qwen3.5-27B는 홀드아웃(held-out) 평가 태스크에서의 평균 종합 점수를 0.136에서 0.373으로 향상시켰습니다. 본 연구에서는 학습 분할용 예시 태스크 5개, 샘플 궤적 10개, 점수 측정 및 검증 툴링을 공개하며, 벤치마크 오염을 방지하기 위해 전체 환경과 평가 스위트는 비공개로 유지합니다.

arXiv:2608.22697v4cs.AI

순위는 여전히 중요한가? AI 에이전트가 우리를 대신해 쇼핑할 때의 위치 바이어스

Does Rank Still Matter? Position Bias When AI Agents Shop on Our Behalf

쇼핑을 AI 에이전트(agent)에 위임할 때, 인간에게서 확인된 순위 우위가 지속되는지는 불분명합니다. 다섯 가지 대규모 언어 모델(LLM)과 다양한 추론 노력(reasoning effort) 수준을 적용한 7,000건의 세션에 걸쳐, 본 연구는 AI 에이전트를 인간 현장 데이터와 비교합니다. AI 에이전트는 인간 소비자보다 더 광범위하게 탐색합니다. 인간과 마찬가지로 낮은 순위의 항목일수록 검토될 가능성이 낮지만, 이러한 효과는 AI 에이전트에서 더 작게 나타납니다. 인간과 달리 AI 에이전트는 중간 순위 항목의 검토 확률이 가장 낮은 '중간 소실(lost-in-the-middle)' 효과와 일치하는 패턴을 보입니다. 선택 단계에서 위치 효과는 낮은 추론 노력에 집중되지만, 높은 노력은 이를 보이는 모든 LLM에서 중간 패널티를 감소시킵니다. 이러한 결과는 탐색이 위임될 때 게재 위치보다 표시된 속성이 더 중요할 수 있으며, 위치 바이어스(position bias)에 대한 노출 여부는 AI 에이전트의 구성 방식에 따라 달라짐을 시사합니다.

arXiv:2606.17698v3cs.AI

EComAgentBench: 분산된 숨겨진 의도를 포함한 장기 작업에서 쇼핑 에이전트 벤치마킹

EComAgentBench: Benchmarking Shopping Agents on Long-Horizon Tasks with Distributed Hidden Intent

대규모 언어 모델(LLM) 기반 쇼핑 에이전트가 프로덕션 환경에 진입함에 따라, 기존 벤치마크들은 쇼핑객의 요구사항이 전달되는 방식—쿼리에 암묵적으로 명시되거나, 프로필에 기록되거나, 적절한 질문을 받을 때만 드러나는 방식—을 포착하지 못하고 있다. 전체 의도를 처음부터 노출하고 최종 선택만을 평가하는 벤치마크는 이러한 장기(long-horizon) 과제를 제기하지도, 에이전트가 어떤 요구사항을 놓쳤는지 설명하지도 못한다. 이 간극을 해소하기 위해 우리는 실제 Amazon 상품 및 리뷰에 기반한 662개 작업으로 구성된 벤치마크인 EComAgentBench를 소개한다. 각 작업은 요구사항을 가시적인 쿼리, 도구 접근이 필요한 프로필, 그리고 스크립트된 명확화 과정에 분산시키며, 에이전트는 숨겨진 의도를 발견하고, 속성 및 리뷰 근거를 바탕으로 후보 상품을 검증하며, 100회의 도구 호출 내에 단일 상품을 확정해야 한다. 또한 유형화되고 출처가 태그된 루브릭(rubric)이 모든 작업을 평가하여, 각 실패를 해당 요구사항과 그 출처에 귀속시킨다. 구성 과정은 자동화되어 있으면서도 신뢰할 수 있으며, 모든 정답은 텍스트 생성 이전에 코드로 고정되고 모든 샘플은 검증된다. 7개 모델에 대한 평가 결과, 가장 강력한 모델도 전체 정확도 57.1%에 그치며, 루브릭 만족도는 가시적 출처에서 숨겨진 출처로 갈수록 저하됨을 확인하였다. 전반적으로, 우리는 EComAgentBench가 쇼핑 에이전트를 단일 쿼리 검색에서 장기적으로 신뢰할 수 있는 보조로 발전시키기 위한 재현 가능한 기반으로 기능할 것이라 믿는다.

arXiv:2607.14396v1cs.AI

CatalogAgent: 생성형 AI 모델의 컨텍스트 엔지니어링을 가능하게 하는 감독 에이전트 중재형 자기학습 시스템

CatalogAgent: A Supervisor-mediated Self-Learning System Enabling Context Engineering for GenAI Models

상품 카탈로그는 전자상거래 사이트의 핵심이지만, 재질, 색상, 형태와 같은 다수의 구조화 속성(SA) 값이 누락되는 경우가 많다. 일반적으로 SA 값은 제목과 설명을 포함한 상품 정보에서 추출된다. 대규모 언어 모델(LLM) 기반 생성기-평가기 프레임워크는 한 LLM이 SA 값을 생성하고 다른 LLM이 이를 평가하는 SA 예측에서 효과가 입증되었지만, 생성기와 평가기가 충돌하는 출력을 내면면 어느 한 구성요소든 실수할 수 있어 어려움이 있다. 우리는 전자상거래 카탈로그 보강을 위해 생성기와 평가기 모델을 지속적으로 개선하는 새로운 에이전트형 시스템인 CatalogAgent를 제안한다. (1) LLM 기반 생성기와 평가기 간의 내부 충돌, 또는 (2) 판매자의 LLM 출력에 대한 외부 피드백으로 불일치가 발생하면, 감독 에이전트(Supervisor Agent)가 개입하여 충돌을 중재하고 최종 결정을 내린다. 이 시스템은 또한 개별 사례의 감독 에이전트 활동을 저장하고 패턴을 학습 내용으로 집계하는 메모리 베이스(Memory Base)와 메모리 요약기(Memory Summarizer)를 포함한다. 이러한 학습 내용은 워커(worker) 생성기 및 평가기 LLM에 다시 제공되어, 인간 개입 없이 자기 개선을 가능하게 한다. 컨텍스트 엔지니어링(context engineering)—워커 LLM의 컨텍스트에 학습 내용과 통찰을 주입함—을 통해 이 시스템은 감독자의 역량을 생성기와 평가기로 성공적으로 이전하여, 각각의 성능을 15.24%와 13.98% 향상시킨다. 우리 실험은 생성형 AI 모델의 정확도를 높이기 위한 감독 에이전트 중재형 자기학습 시스템의 새로운 패러다임을 보여준다.

arXiv:2607.12056v1cs.AI

AI 웹 에이전트를 위한 에이전트 대응 웹사이트 설계: 기계 가독성, 실행 가능성, 의사결정 신뢰성 프레임워크

Designing Agent-Ready Websites for AI Web Agents: A Framework for Machine Readability, Actionability, and Decision Reliability

온라인 쇼핑은 AI 에이전트가 독립적으로 제품을 검색하고, 옵션을 비교하며, 제약조건을 평가하고, 사용자를 위해 구매 과정의 일부를 수행하는 모델로 점점 이동하고 있다. 웹사이트 디자인은 이제 인간과 에이전트 중개 상호작용 모두를 지원해야 한다. 본 논문은 AI 에이전트를 위한 전자상거래 플랫폼의 가독성, 해석 가능성, 검증 가능성, 실행 가능성(actionability)을 향상시키는 설계 프레임워크인 에이전트 대응(agent-ready) 웹사이트를 제안한다. 기존 웹 디자인, SEO, 생성형 엔진 최적화(GEO) 지표는 에이전트 중개 상호작용에 대한 웹사이트의 역량을 완전히 평가하지 못한다. 제안된 프레임워크는 에이전트 해석 가능성, 에이전트 실행 가능성, 에이전트 의사결정 신뢰성의 세 가지 차원을 중심으로 구조화되며, 기계 가독성, 의미적 명확성, 에이전트 실행 가능성, 맥락적 의사결정 신뢰성 신호와 같은 기능으로 뒷받침된다. 해당 프레임워크는 동일한 카탈로그, 가격, 재고, 쇼핑 워크플로를 갖춘 동일한 웹사이트 프로토타입의 인간 중심 기준선과 에이전트 대응 버전을 비교하는 통제 실험을 통해 평가되었다. 평가는 5개의 과제, 3개의 브라우저 에이전트 모델(GPT-4.1, Gemini-2.5 Flash, Grok-4 Fast), 300회 실행을 포함했으며, PASS, PARTIAL, FAIL 결과, 엄격 및 기능적 성공률, 오류 패턴, 스텝 수, 토큰 소비를 측정했다. 에이전트 대응 웹사이트는 150회 중 134회 PASS를 달성한 반면, 기준선은 150회 중 74회였다(엄격한 성공률 89.3% vs. 49.3%), 제품 상세 정보 추출, 비교, 다중 제약조건 선택에서 가장 큰 향상을 보였다. 또한 PARTIAL 결과를 43에서 3으로 줄였고 평균 스텝 수를 9.31에서 6.49로 낮췄다. 이러한 결과는 향상된 구조적 명확성, 행동 단서, 근거 신호, 시간적 유효성 지표가 AI 브라우저 에이전트의 신뢰성과 효율성을 상당히 개선할 수 있다는 예비적 근거를 제공한다.

arXiv:2607.00920v1cs.CV

GMO-E²DIT: 전자상거래 이미지를 위한 근거 기반 다중 연산 편집

GMO-E$^2$DIT: Grounded Multi-Operation Editing for E-Commerce Images

GMO-E²DIT는 전자상거래 이미지에서 복수의 국소적 편집 연산을 처리하기 위해 비전-언어 모델(VLM) 에이전트와 마스크 조건부 이미지 편집기를 결합한 에이전트 기반 프레임워크로, 계획(planning)과 반영(reflection) 루프를 통해 편집 작업을 단계별로 분리 실행한다. EComEditBench 벤치마크 실험에서 기존 베이스라인 대비 우수한 지시 정확도와 편집 충실도를 달성하며 강력한 클로즈드소스 모델과 경쟁력 있는 성능을 보였다.

arXiv:2606.28070v1cs.AI

JD Oxygen AI Item Center(Oxygen AIIC) V1: 상품 이해·관리·적용을 위한 산업 규모 LLM/VLM 중심 솔루션

JD Oxygen AI Item Center (Oxygen AIIC) V1: An Industrial-Scale LLM/VLM-Centric Solution for Item Understanding, Management, and Applications

JD.com은 세계 최대 규모의 전자상거래 플랫폼 중 하나로, 7억 명 이상의 활성 사용자와 수백만 명의 판매자에게 서비스를 제공하며, 수십억 개의 SKU로 구성된 카탈로그를 보유하고 있습니다. 이러한 규모에서 고품질의 구조화된 상품 지식은 더 나은 소비자 경험, 낮은 관리 비용, 높은 운영 효율성의 기반이 되지만, 이를 생산하고 제공하는 것은 세 가지 산업 규모의 과제를 야기합니다: 급속히 등장하는 개념, 대규모 SKU에 대한 고품질 지식 생산, 그리고 다양한 다운스트림 요구사항. 이러한 과제를 해결하기 위해, 상품 지식 생산 및 서비스를 위해 LLM/VLM 기반으로 구축된 산업 규모 플랫폼인 JD Oxygen AI Item Center(Oxygen AIIC)를 제시합니다. Oxygen AIIC는 네 가지 핵심 기둥을 중심으로 구축되었습니다: (i) 효율적인 인간-AI 협업에 의해 추진되는 온톨로지 엔지니어링으로, 수백만 개의 항목을 포함하는 온톨로지의 동적 진화와 민첩한 확장을 지원합니다; (ii) 처리량 개선 전략과 결합된 "Semantic Search then Discrimination"(S2D) 지식 식별 아키텍처로, 수십억 SKU에 대한 확장 가능하고 확장성 있으며 고처리량 AI Item Library 생산을 가능하게 합니다; (iii) 안정적이고 통제 가능한 방식으로 개선되는 자기 진화형 상품 이해 LLM/VLM으로, 정밀도 94.2%, 재현율 82.8%의 지식 생산을 가능하게 합니다; (iv) 데이터 및 서비스 허브로서 기능하는 통합 item tunnel. Oxygen AIIC는 현재 수만 개의 JD 카테고리를 다루며, Huawei Ascend NPU에서 하루 수억 건의 상품 업데이트를 처리합니다. 수천억 개의 상품 지식 자산을 축적했습니다. 검색, 추천, 운영, 카테고리 기획 등 핵심 비즈니스 시나리오에 배포된 Oxygen AIIC는 규모에 걸맞은 측정 가능한 성과를 달성했습니다. 검색 트래픽 커버리지는 80.4%에 달하고, 상품 정보 품질 이슈는 37% 감소했으며, 상품 등록 시 핵심 속성의 자동 입력률은 80%를 초과합니다.

arXiv:2606.26787v1cs.LG

AIGP: 이커머스 가격 결정에서 장기적 가치 정렬을 위한 LLM 기반 프레임워크

AIGP: An LLM-Based Framework for Long-Term Value Alignment in E-Commerce Pricing

대규모 이커머스 동적 가격 결정의 해석 가능성 부족과 장기 GMV·ROI·마일스톤 목표와의 불일치를 해결하기 위해, AIGP는 도메인 지식·정형·텍스트 컨텍스트를 활용한 LLM 기반 가격 결정과 오프라인 강화학습으로 학습한 LTVE 보상 모델을 DPO 선호 정렬에 쓰는 프레임워크를 제안한다. Tao Factory 온라인 A/B 테스트에서 14일간 GMV +13.21%, ROI +7.59%, 마일스톤 달성률 +8.20% 향상과 함께 해석 가능한 가격 결정 근거를 제공했다.

arXiv:2606.24655v1cs.CL

AI-PAVE-Br: Leveraging Large Language Models for Enhanced Product Attribute Value Extraction through a Golden Set Approach

브라질 이커머스 카탈로그의 포르투갈어 제품 설명에서 구조화된 속성값을 추출하는 PAVE(Product Attribute Value Extraction)를 위해 대규모 언어 모델(LLM)과 프롬프트 엔지니어링 기반 시스템 AI-PAVE-Br를 제안하고, 재현 가능한 평가를 위한 수동 주석 벤치마크 Golden Set을 공개한다. 실험에서 AI-PAVE-Br는 기존 개체명 인식(NER) 기준보다 정확도가 크게 향상되었다.

arXiv:2603.22922v2cs.CL

클릭보다 품질: 초기 단계 전자상거래 쿼리 제안을 위한 반복적 강화학습

Quality Over Clicks: Iterative Reinforcement Learning for Early-Stage E-Commerce Query Suggestion

기존 대화 시스템은 사용자 참여를 높이기 위해 쿼리 제안에 의존합니다. 최근 접근 방식들은 주로 사용자 선호도에 맞추기 위해 클릭률(CTR) 모델을 사용하여 생성 모델을 최적화합니다. 그러나 이러한 방법들은 클릭 피드백이 희소하고 신뢰할 수 있는 CTR 모델을 학습하기에 불충분한 초기 배포 시나리오에서는 효과가 떨어집니다. 이러한 격차를 해소하기 위해, 우리는 전자상거래 쿼리 제안을 위한 품질 우선 반복적 강화학습 프레임워크인 QualEQS를 제안합니다. 우리는 다운스트림 사용성에 직접적인 영향을 미치는 세 가지 차원인 응답 가능성(answerability), 사실성(factuality), 정보 획득량(information gain)을 통해 실행 가능한 제안 품질을 정의합니다. 클릭 감독 없이 온라인 트래픽으로부터 지속적으로 개선하기 위해, 우리는 모호한 쿼리 컨텍스트를 식별하고 반복적 개선을 위한 어려운 학습 사례를 마이닝하기 위해 후보 제안 간의 그룹 수준 불일치(disagreement)를 추가로 제안합니다. 또한 오프라인 학습 및 평가를 위한 16,949개의 실제 전자상거래 쿼리로 구성된 데이터셋인 EQS-Benchmark를 소개합니다. 실험 결과, 우리의 품질 기반 오프라인 메트릭은 온라인 성능과 강한 상관관계를 보여, 희소 피드백 배포 환경을 위한 실용적인 평가 방법을 제공합니다. 오프라인 및 온라인 설정 모두에서 QualEQS는 강력한 기준선(baselines)을 일관되게 능가하며, 실제 기업 수준의 대화형 쇼핑 어시스턴트 시스템에서 온라인 ChatPV 6.81% 향상을 달성했습니다.

arXiv:2602.08355v4cs.CV

E-VAds: MLLM을 위한 이커머스 숏 비디오 이해 벤치마크

E-VAds: An E-commerce Short Videos Understanding Benchmark for MLLMs

이커머스 숏 비디오는 목표 지향 형식과 밀집된 멀티모달 신호가 특징인 온라인 비디오 산업의 고수익 부문입니다. 기존 벤치마크는 주로 범용 작업에 초점을 맞추고 상업적 의도 추론을 간과하기 때문에, 현재 모델들은 이러한 비디오를 처리하는 데 어려움을 겪습니다. 본 연구에서는 우선 이 도메인의 복잡성을 정량화하기 위한 멀티모달 정보 밀도 평가 프레임워크를 제안합니다. 평가 결과, 이커머스 콘텐츠는 주류 데이터셋과 비교하여 시각, 오디오, 텍스트 모달리티 전반에 걸쳐 훨씬 높은 밀도를 보이며, 이는 비디오 이해에 있어 더 도전적인 경계를 설정합니다. 이러한 격차를 해소하기 위해, 이커머스 숏 비디오 이해를 위해 특별히 설계된 최초의 벤치마크인 E-commerce Video Ads Benchmark를 소개합니다. 우리는 다양한 제품 카테고리를 포괄하는 Taobao의 3,961개의 고품질 비디오를 선별하고, 멀티 에이전트 시스템을 사용하여 5개의 고유한 작업으로 구성된 19,785개의 개방형 질의응답 쌍을 생성했습니다. 마지막으로, MG-GRPO라는 다중 입자도 보상 설계를 특징으로 하는 강화학습 기반 추론 모델인 E-VAds-R1을 개발했습니다. 이 전략은 초기 탐험을 위한 부드러운 지침을 제공하는 동시에 전문가 수준의 정밀도를 위한 비선형 인센티브를 생성합니다. 실험 결과, E-VAds-R1은 단 수백 개의 학습 샘플만으로 상업적 의도 추론에서 109.2%의 성능 향상을 달성하는 것으로 나타났습니다. 데이터는 https://github.com/TaobaoTmall-AlgorithmProducts/E-VAds_Benchmark에서 확인할 수 있습니다.

arXiv:2603.29247v3cs.CL

MemRerank: 개인화된 제품 재정렬을 위한 선호도 메모리

MemRerank: Preference Memory for Personalized Product Reranking

MemRerank는 긴 구매 이력을 쿼리와 무관하게 재사용 가능한 간결한 선호도 메모리로 압축해 LLM 기반 제품 재정렬에 활용하는 프레임워크로, Amazon-C4와 Amazon-Review-2023 기반 벤치마크에서 GRPO로 메모리 추출기를 다운스트림 setwise 리랭커 피드백으로 학습한다. Electronics·Beauty Personal Care 등에서 네 가지 1단계 검색기와 홀드아웃 검색기 기준 매크로 평균 MRR@10·MRR@5가 최고이며, 원본 이력이나 MR.Rec보다 훨씬 짧은 메모리로 1-in-5 정확도 최대 +10.61%p 향상을 달성한다.

arXiv:2606.17931v1cs.LG

하이브리드 Ret-DNN과 XGBoost 모델을 이용한 전자상거래 고객 행동 예측 분석

Predictive Analytics in E-Commerce for CustomerBehavior Forecasting using hybrid Ret-DNN withXGBoost Model

최근 몇 년간 전자(E)상거래 서비스가 사람들의 일상에서 급속히 증가하여 온라인으로 제품을 구매하는 데 도움을 주고 있다. 그러나 소매 플랫폼은 고객 행동을 이해하는 데 어려움을 겪으며, 향후 구매를 예측하기 어렵게 만든다. 이러한 문제를 해결하기 위해, 본 연구는 리테일 데이터의 시간적 특징과 표 형식(tabular) 동역학을 포착하기 위해 Extreme Gradient Boosting(XGBoost) 모델과 결합한 하이브리드 Retail Deep Neural Network(Ret-DNN)을 제안한다. 먼저, 거의 50만 건의 거래 기록을 포함하는 영국(UK) 기반 온라인 소매업체로부터 데이터를 수집하였다. 이후 수집된 데이터는 데이터 정제, 이상치 처리, 시간적 특징 추출, 특징 인코딩, z-score 정규화와 같은 일련의 기법으로 전처리하여 모델 학습과 테스트에 적합하도록 준비하였다. 그다음 전처리된 데이터는 고객 거래의 전체 맥락을 이해하는 특징 추출기 역할을 하는 Ret-DNN 모델에 입력되었다. 이어서 추출된 데이터는 XGBoost 모델에 입력되어 고객의 구매 확률을 최종 출력으로 예측하였다. 마지막으로, 제안한 Ret-DNN-XGBoost 모델은 기존 Ret-DNN 모델과 비교하여 평균 절대 오차(MAE) 0.2193을 달성하며 더 나은 결과를 보였다. 키워드: 고객 행동 예측, extreme gradient boosting, 전자상거래, 예측 분석, retail deep neural networks.