Amap에서의 암묵적 추론을 통한 생성형 시공간 의도 시퀀스 추천
Generative Spatiotemporal Intent Sequence Recommendation via Implicit Reasoning in Amap
실제 사용자 행동은 고립된 행동으로 이루어지는 경우가 드물며, 대신 시공간적 의존성에 의해 지배되는 의도 흐름을 형성하는 경우가 많다. 통합 서비스 추천을 제공하기 위해, 본 연구는 복잡한 시공간적 맥락 내에서 논리적으로 일관되고 물리적으로 실행 가능한 의도 시퀀스를 생성하는 것을 목표로 하는 생성형 시공간 의도 시퀀스 추천(Generative Spatiotemporal Intent Sequence Recommendation, GSISR) 과제에 주목한다. LLM은 GSISR에 대해 강력한 추론 가능성을 제공하지만, 산업 현장에 직접 배포하기에는 높은 추론 지연과 맥락 불일치 또는 물리적으로 실행 불가능한 계획이라는 한계가 있다. 이러한 문제를 해결하기 위해, 본 연구는 두 가지 구성 요소를 통해 LLM의 추론을 경량 모델에 내재화하는 생성형 프레임워크 GPlan을 제안한다. 첫째, 엄격한 지연 제약 조건 하에서도 추론이 가능하도록, 명시적 추론 과정을 예비된 잠재 토큰으로 압축하는 점진적 암묵적 CoT 증류(Progressive Implicit CoT Distillation)를 도입하여, 소형 모델이 긴 추론 텍스트를 생성하지 않고도 복잡한 계획 수립 로직을 물려받을 수 있도록 한다. 둘째, 일반 지식과 실제 제약 조건 사이의 단절을 해결하기 위해, 시공간 반사실적 DPO(Spatiotemporal Counterfactual DPO)를 설계한다. 모델을 반사실적 맥락-계획 쌍에 맞춰 정렬함으로써, 시공간적 맥락에 대한 민감도를 높이고 맥락 불일치 계획을 줄인다. 오프라인 실험과 온라인 A/B 테스트는 본 접근법이 시퀀스 일관성과 맥락 반응성을 향상시킨다는 것을 보여준다. 구현 코드와 익명화된 GSISR 데이터셋은 https://github.com/alibaba/GPlan 에서 확인할 수 있다.