생성형 추천(GR)은 아이템의 의미론적 식별자(SID)를 학습해 추천을 자기회귀 생성 문제로 다루는 접근인데, 기존 방법들은 토큰화 과정에서 도메인 간 협업적 연관성을 무시하고 빔서치 같은 비효율적인 디코딩 전략을 써서 실시간 배포에 걸림돌이 됐다. 연구진은 여러 도메인에 걸친 사용자의 동적 관심 전환과 순차 패턴을 모델링하는 교차 도메인 순차추천(CDSR) 프레임워크 'GenCDSR'을 제안했다. 멀티타워 구조와 계층적 공유-특화·세분화 코드북을 갖춘 교차 도메인 하이브리드 토큰화로 도메인 공통점과 특이점을 함께 포착하고, 계층적 SID 구조를 활용해 생성을 부분 병렬화하는 교차 도메인 순차-병렬 디코딩 전략으로 일관성을 유지하면서 추론 지연을 크게 줄였다. 3개 공개 데이터셋 실험에서 기존 최고 성능 기법 대비 평균 정확도 1.5% 향상, 평균 추론 지연 85.1% 감소를 달성했으며, RecSys 2026에 채택됐다.

• •SID 기반 생성형 추천의 두 한계(도메인 간 협업연관성 무시, 비효율적 빔서치 디코딩)를 해결
• •멀티타워+계층적 공유-특화·세분화 코드북의 교차도메인 하이브리드 토큰화 설계
• •계층적 SID 구조로 생성을 부분 병렬화하는 교차도메인 순차-병렬 디코딩 전략
• •3개 공개 데이터셋에서 평균 정확도 1.5% 향상, 추론 지연 85.1% 감소
• •RecSys 2026 채택, 구현 코드와 데이터셋 공개