PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.26857v1cs.AI

LCAi: 빅데이터 융합 및 검색-증강 생성(RAG) 보조 해석을 활용한 생애주기 평가

LCAi: Life Cycle Assessment with big data fusion and retrieval-augmented generation-assisted interpretation

생애주기 평가(LCA) 해석 단계에서 환경적 핫스팟 개선 기회를 기술·사회·정책 불확실성 하에서 실행 가능한 전략 경로로 전환하는 구조화된 메커니즘이 부족하다는 한계를 해결하기 위해, 학술·산업·공공 담론·EU 자금 데이터셋을 아우르는 관점 융합 검색-증강 생성(RAG) 프레임워크 LCAi를 제안한다. 시나리오 앵커, 관점별 제약 검색, 원장 기반 중립적 합성의 3단계 파이프라인으로 이탈리아 사과 생산 시설의 수소 활용 디젤 감축 사례에서 근거 없는 주장 없이 감사 가능한 2030 로드맵을 생성하며, 구조화된 검색과 통제된 합성으로 환각 위험을 완화하면서 교차 도메인 다양성을 유지한다.

arXiv:2606.04550v1cs.IR

지속가능성을 위한 참여도 절충: 전자상거래 추천을 위한 탄소 인식 재순위화

Trading Engagement for Sustainability: Carbon-Aware Re-ranking for E-commerce Recommendations

전자상거래 추천 시스템은 사용자가 어떤 상품을 고려하고 구매하는지에 큰 영향을 미치지만, 제품 탄소 발자국(Product Carbon Footprint, PCF)과 같은 지속가능성 신호는 카탈로그 규모에서 거의 이용할 수 없다. 우리는 대부분의 항목에 PCF 라벨이 없어 이를 추론해야 하는 현실적인 설정에서 탄소 인식 상품 추천을 연구한다. 먼저 검색-증강 PCF 추정 파이프라인을 통해 제품 수준의 탄소 발자국을 추정한다. 이 파이프라인은 의미적 유사도 검색, 퓨샷 LLM 프롬프팅, 최근접 이웃(nearest-neighbour) 폴백을 사용하여 소규모 전 주기 평가(life-cycle-assessed) 제품 집합인 Carbon Catalogue로부터의 지도(supervision)를 대규모 비라벨 전자상거래 카탈로그로 전이한다. 그다음 BPR, NeuMF, LightGCN 세 가지 기존 추천 모델이 생성한 관련성 점수 위에 탄소 인식 사후(post-hoc) 재순위화 전략을 적용한다. 이 방법은 단일 조정 가능 매개변수(lambda)를 통해 예측된 사용자-항목 참여도와 추정 탄소 발자국 사이의 트레이드오프를 이룬다. 이 오프라인 연구에서 참여도는 Amazon 리뷰 상호작용을 통해 구체화되며, 이는 암묵적 피드백과 사용자 관심 또는 구매 행동의 대리 지표(proxy)로 작용한다. Amazon Reviews 데이터셋의 Home and Kitchen, Sports and Outdoors, Electronics 세 가지 상품 카테고리에 걸쳐 프레임워크를 평가한다. lambda를 변화시키며 각 모델과 카테고리별로 달성 가능한 참여도와 탄소 트레이드오프를 특성화하는 파레토 프론티어(Pareto frontiers)를 구성한다. 모든 모델과 카테고리에서 최소한의 참여도 비용으로 상당한 탄소 감축을 달성할 수 있다. 그러나 이용 가능한 탄소 여유(headroom)는 모델과 카테고리에 따라 달라지며, 모델 선택과 도메인 맥락의 중요성을 강조한다.