Shopify’s generative discovery model
Shopify가 검색과 추천을 단일 인프라로 통합한 생성형 발견 모델 구축 경험을 공개했습니다.
출처: Shopify Engineering · · 원문 보기
RAG·검색 기술 블로그 글 모음
RAG·검색 주제의 기술 블로그 글 141편. 검색 증강 생성, 벡터 DB, 임베딩, 검색·랭킹 시스템.
최근 글
Token Pooling-Aware Training for Multi-Vector Embedding Models
Hugging Face가 멀티 벡터 모델의 저장 공간을 4배 줄이면서 성능을 유지하는 토큰 풀링 인식 학습 기법을 공개했습니다.
출처: Hugging Face · · 원문 보기
유진그룹의 온톨로지 여정: Amazon Neptune과 Amazon Bedrock으로 건자재 유통 데이터를 지식 그래프로 전환하기
유진그룹이 Amazon Neptune과 Bedrock을 활용해 건자재 유통 RDBMS를 지식 그래프로 전환했습니다.
Weighted State Souping for Efficient Long-Context Retrieval
Apple 연구진이 긴 문맥 검색 효율을 높이는 가중치 상태 수핑 기법을 공개했습니다.
Faster Retrieval for Better, More Efficient RAG
애플 연구진이 ICML 2026에서 고정된 키 데이터베이스를 대상으로 쿼리를 더 빠르게 라우팅하는 학습 기반 MIPS 접근법을 공개했습니다.
크림에서 통합 임베딩(Universal Embedding)은 어떻게 쓰일까?
크림이 통합 임베딩과 브루트포스 검색을 도입해 추천 시스템 성능을 높인 과정을 공개했습니다.
딸깍으로 안되는 Multi-interest 개발기
네이버가 멀티 인테레스트 추천 모델 MINER를 KREAM에 적용하며 겪은 과노출 문제를 해결했습니다.
複数サービスに配信するembeddingの品質監視 ── 配信データ・ベクトル空間・推薦スコアの3観点
ZOZO가 배포 데이터, 벡터 공간, 추천 스코어 관점으로 임베딩 품질을 매일 감시하는 시스템을 구축했습니다.
출처: ZOZO TECH BLOG · · 원문 보기
How researchers are adapting olmOCR 2 for historical and archaeological archives
Ai2의 olmOCR 2가 역사학과 고고학 아카이브의 문서 검색 및 필사 연구에 활용되고 있습니다.
NVIDIA Nemotron 3.5 Embed, Rerank, and Parse: Advancing Agents with World-Class Retrieval Models
엔비디아가 멀티모달 검색, 재순위화, 문서 추출을 지원하는 Nemotron 3.5 모델을 공개했다.
출처: Hugging Face · · 원문 보기
AIエージェント設計勉強会 〜自己改善、検索編〜を開催しました。
LayerX와 전동총연이 AI 에이전트의 자기 개선 및 검색의 중요성을 다루는 공동 스터디를 개최했습니다.
롯데백화점의 생성형 AI 기반 파트너 제안 채널 ‘AI 비즈센터’ 구축기
롯데백화점이 아마존 베드락을 활용해 파트너 제안 채널 AI 비즈센터를 구축했다.
Plan or Retrieve First? A Scale Study of Tool Discovery Architectures
애플 연구진이 대규모 API 레지스트리 환경에서 LLM 도구 발견 아키텍처의 성능을 비교 분석했다.
Selection-Based Structured Reasoning: Toward Efficient Multimodal Search Agents
애플 연구진이 멀티모달 검색 에이전트의 추론 과정을 선택 방식으로 개편한 SSR 프레임워크를 공개했다.
Integrating Netflix’s Foundation Model into Personalization applications
넷플릭스가 개인화 추천 시스템에 파운데이션 모델을 통합하는 세 가지 방식을 공개했다.
출처: Netflix TechBlog · · 원문 보기
Measuring the Impact of Personalized Recommendations
넷플릭스가 개인화 추천의 인과적 효과를 측정하기 위한 행동 모델과 실험 검증 방식을 공개했습니다.
출처: Netflix TechBlog · · 원문 보기
CASTLE: training natural language search before the first real query
에어비앤비가 예약 데이터를 활용해 자연어 검색 모델의 콜드 스타트 문제를 해결하는 CASTLE 프레임워크를 공개했다.
출처: Airbnb Engineering · · 원문 보기
Amazon OpenSearch Service 고급 활용 – 자체 빌드 Nori 분석기를 통한 사용자 사전 미세 조정
Amazon OpenSearch Service에서 Nori 분석기를 커스텀 빌드하여 한국어 검색을 고도화하는 방법을 공유했다.
CPU 뼛속까지 써먹고, Milvus 사이징 기준을 만들기까지
토스증권이 Milvus 기반 벡터 검색 환경에서 NUMA 최적화로 처리량을 41% 높이고 자원 산정 기준을 마련했다.
CPU 뼛속까지 써먹고, Milvus 사이징 기준을 만들기까지
토스증권이 벡터 검색 워크로드를 위한 Milvus 인프라 사이징 기준을 마련했다.
Automating Data Ingestion with a RAG Flywheel
잘란도가 RAG 플라이휠과 LLM을 활용해 공급업체 데이터의 스키마 매핑을 자동화한 사례를 공개했습니다.
출처: Zalando Engineering · · 원문 보기
사내 지식으로 Agentic RAG 만들기 (2/3) : 검색을 얹기, LightRAG와 Navigator
여기어때가 지식 그래프와 계층 구조를 결합해 사내 문서 검색 정확도를 84%로 높였다.
Supercharge your development with the Google Developer Knowledge API ecosystem
구글이 AI 에이전트용 공식 문서 조회 API인 Developer Knowledge API를 공개했다.
출처: Google Developers · · 원문 보기
AI 개발 도구와 세션 기반 아이템 그래프를 활용한 i2i 추천 모델 개선
GS리테일이 AI 개발 도구와 그래프 기반 알고리즘으로 i2i 추천 모델을 개선해 주문 고객 수를 14% 높였다.
EmbeddingGemma 2: The Developer Guide
구글이 텍스트, 코드, 이미지, 비디오, 오디오를 지원하는 멀티모달 모델 EmbeddingGemma 2를 공개했다.
출처: Google Developers · · 원문 보기
Open-sourcing AstaBrief, the fast report-generation model in Asta
Ai2가 과학 문헌을 인용한 보고서를 빠르게 생성하는 공개 가중치 모델 AstaBrief 8B를 공개했다.
출처: Hugging Face · · 원문 보기
추천 후보는 많을수록 좋을까? TopK를 최적화해 전환율을 높인 방법
토스가 정수계획법으로 추천 후보 수를 절반으로 줄이고 구매 전환을 높였다.
쿼리가 아니라 정의를 고치기로 했습니다: Databricks Metric View 도입기
데브시스터즈가 Databricks Metric View를 도입해 대시보드와 AI 에이전트의 지표 정의를 통일했습니다.
AI-DLC 기반 GS SHOP 검색·추천 개발 프로세스 고도화 사례
GS SHOP이 AI-DLC로 자연어 검색과 추천 모델 실험을 함께 표준화했다.
Bypassing inference bottlenecks: Accelerating complex AI search with Retrieve-for-Train
Google의 Retrieve-for-Train은 강화학습으로 배운 검색 확장 방식을 경량 확산 모델에 옮긴다.
출처: Google Research · · 원문 보기
이 주제를 다룬 매체
- Shopify Engineering (19편)
- Hugging Face (288편)
- AWS (321편)
- Apple ML (211편)
- 네이버 (104편)
- ZOZO TECH BLOG (12편)
- Ai2 (27편)
- Dentsu (12편)
- Netflix TechBlog (28편)
- Airbnb Engineering (15편)
- 토스 (122편)
- Zalando Engineering (11편)
- 여기어때 (107편)
- Google Developers (47편)
- GS리테일 (12편)
- 데브시스터즈 (10편)
- Google Research (27편)
AI 관련 주제
- LLM 활용·프롬프트 (245편)
- AI 에이전트·MCP (536편)
- LLM 서빙·추론 (247편)
- 온디바이스·엣지 AI (87편)
- 모델 학습·파인튜닝 (251편)
- AI 연구·모델 공개 (483편)
- AI 코딩 도구 (248편)
- 멀티모달·비전·음성 (227편)
- 피지컬 AI·로보틱스 (69편)
- AI 운영·평가 (250편)
- GPU·AI 인프라 (194편)