업비트 머신러닝팀, 국제정보검색학회서 LLM 기반 뉴스 추천 논문 발표

정보검색학회 'SIGIR 2025'서 발표

상 사용자로 학습하는 자체 개발 LAUS 모델 제안

업비트 머신러닝팀이 지난 13~18일(현지시간) 이탈리아 파도바 센트로 콩그레스에서 열린 정보검색학회 ‘SIGIR 2025’에서 설명하는 모습. ⓒ두나무

업비트 운영사 두나무는 자사 머신러닝팀의 뉴스 추천 관련 논문이 정보검색 분야 국제 학회 'SIGIR 2025' 메인 콘퍼런스에 채택돼 발표됐다고 17일 밝혔다.

SIGIR(The 48th International ACM SIGIR Conference on Research and Development in Information Retrieval)은 정보검색 분야 최고 권위 학회 중 하나로, 올해는 전체 제출 논문 중 약 27%만이 채택됐다.

해당 논문은 'LLM 기반 사용자 시뮬레이터: 실제 사용자 상호작용 없이 뉴스 추천 모델을 학습하기 위한 방법론'이라는 제목으로 실제 사용자 데이터 없이도 LLM(대규모 언어 모델)을 활용해 가상의 사용자 데이터를 생성하고, 이를 통해 추천 모델을 학습하는 방법론을 제시했다.

두나무 머신러닝팀은 이를 위해 'LAUS(LLM As User Simulator)'라는 프레임워크를 개발했다. 이 방식은 기존처럼 대규모 사용자 로그 수집에 의존하지 않고 가상 상호작용 패턴을 통해 학습 데이터를 구성하는 것이 핵심이다.

LAUS는 제로샷(Zero-shot) 방식보다 우수한 추천 성능을 보였으며 다양한 언어권 뉴스 벤치마크에서도 실제 사용자 데이터를 기반으로 학습된 모델과 유사한 성능을 입증했다. 지연 시간도 짧아 실시간 추천 환경에도 적합한 것으로 평가됐다.

이번 연구는 지난 14일 이탈리아 파도바에서 열린 SIGIR 메인 콘퍼런스 현장에서 박충원 두나무 머신러닝팀 연구원이 직접 발표했다.

박충원 연구원은 "개인화 뉴스 추천 시스템 품질은 이용자가 원하는 정보를 얼마나 정확히 제공하는가와 직결돼 서비스 만족도를 높이는 핵심 요소"라며 "이번 연구를 통해 고객 정보 보호와 운영 효율성을 모두 충족하면서 더욱 정교한 추천 서비스를 제공할 수 있는 기반을 마련하게 돼 기쁘다"고 소감을 밝혔다.

한편, 두나무 머신러닝팀은 주식과 디지털 자산 시장에서 활용되는 인공지능(AI) 모델을 연구·개발 중이다. 지난해 11월 '콜링2025'에서 금융 허위정보 탐지 챌린지(FMD) 1위를 차지하는 등 글로벌 연구 역량을 다방면으로 인정받고 있다.