[DAN 24] 검색과 피드의 만남: LLM으로 완성하는 초개인화 서비스 ② 사용자 검색 의도 세분화
검색어와 문서를 함께 고려해 사용자 의도를 세분화하는 LLM 기반 모델을 설계했습니다. 이를 통해 추천의 맥락 정확도를 높이고 CTR도 개선했습니다.

검색어와 문서를 함께 고려해 사용자 의도를 세분화하는 LLM 기반 모델을 설계했습니다. 이를 통해 추천의 맥락 정확도를 높이고 CTR도 개선했습니다.
홈피드 추천 고도화를 위해 LLM으로 사용자 관심 주제를 세분화하는 분류기와 선호도 추출 방식을 소개했습니다. 데이터 증강과 지식 증류, 가이드 생성으로 안정성과 클릭률 개선 효과를 확인했습니다.
LLM으로 연관성 점수와 랭킹 레이블을 생성해 검색 결과에 최신성을 반영한 RRA-T 개선 사례를 다뤘습니다. 사용자 클릭 로그와 하이퍼파라미터 튜닝을 통해 최신 문서 노출과 검색 품질의 균형을 맞췄습니다.
롱테일 질의의 검색 랭킹을 개선하기 위해 LLM의 재순위화 능력을 경량 랭커로 이식한 방법을 다루었습니다. 정답 데이터셋 구축과 지식 증류로 성능과 추론 효율을 함께 확보했습니다.
네이버는 서치피드 SURF로 검색을 결과 나열이 아닌 연속적 탐색 경험으로 확장했습니다. LLM 기반 임베딩, 맥락텍스트, 실시간 피드백으로 개인화와 최신성을 함께 강화했습니다.
FE News 24년 12월 프런트엔드 소식을 정리한 큐레이션 글입니다. 설문 보고서, Web AI, Next.js self-hosting, 밋업 공개 소식을 담았습니다.
협업 환경에서 자주 부딪히는 소프트 스킬 문제를 유연함의 관점으로 풀어낸 사례를 소개했습니다. 책에서 얻은 아이디어를 현실 문제에 적용한 경험과 정리도 함께 공유했습니다.
스노우 AI 서비스의 GPU 서버 인프라를 Kubernetes 클러스터로 이전한 사례를 공유했습니다. GPU 자원 스케줄링과 운영 개선 관점을 함께 살펴볼 수 있습니다.
타입시스템으로 도메인을 모델링해 보이지 않는 오류를 줄이는 방법을 소개했습니다. 커피 주문과 결제수단 예시로 안전성과 컴파일 타임 관점을 설명했습니다.
UX 개선을 위해 사용자 분석과 장기 로드맵 수립 과정을 정리한 발표를 공유했습니다. VOC 순 대응이 아닌 사용자 중심 우선순위와 과제 구조화 방법을 소개했습니다.
Windows 전용 C++ 프로젝트를 Bazel로 Android와 iOS까지 포팅한 경험을 공유했습니다. 모노레포 도입 과정과 Bazel의 장단점을 함께 다뤘습니다.
13년 된 네이버 캘린더 안드로이드 앱에 멀티 플랫폼 기반 모듈화를 적용한 경험을 공유했습니다. 오래된 레거시 앱의 트러블슈팅, 빌드 개선, 운영 전략을 다뤘습니다.
GitHub Actions와 자체 액션으로 코드 리뷰 병목을 데이터로 분석하고 개선했습니다. Slack 알림, D-n 라벨, 정기 리마인드로 응답 시간과 merge 시간을 줄이고 참여율을 높였습니다.
신규 프로젝트에서 Hazelcast를 도입한 배경과 구성 방법을 소개했습니다. 또한 Member·Client 구성과 모니터링 포인트를 함께 정리했습니다.
FE News 24년 11월 소식으로 ViteConf, Next.js Conf, 번들러 영상, Node.js와 Bun 벤치마크를 소개했습니다. 네이버 FE 엔지니어들이 매월 엄선한 기술 소식 공유 프로젝트도 함께 안내했습니다.
네이버 홈피드 썸네일을 AI와 VLM으로 개선해 CTR을 높인 사례를 소개했습니다. 기술 적용과 함께 예쁜 썸네일의 기준을 분석한 점이 핵심입니다.
서비스용 LLM을 성능 저하 없이 소형화하는 경량화 레시피를 소개했습니다. 제목 추천과 키워드 추출 사례로 실무 적용 방식을 다뤘습니다.
DEVIEW 세션에서 MLOps, LLM, Vision, Web 분야의 네이버 개발 사례를 소개했습니다. LLM 서빙 최적화와 서비스 적용, 웹 성능 관리 등 실무 주제가 중심입니다.