AI2026년 6월 18일AI 점수: 88%
ProfiLLM: Utility-Aligned Agentic User Profiling for Industrial Ride-Hailing Dispatch
출처:arXiv cs.AI
✨ AI 인사이트
🧑💻 개발자💼 투자자
- 1.ProfiLLM: LLM을 플랫폼 규모 행동 로그의 의미 특징 추출기로 쓴 승차호출 매칭 파이프라인
- 2.27개 분석 도구로 글로벌 지식·군집화 규칙·지역 수급 사전확률을 채굴
- 3.후보 프로필을 다운스트림 유틸리티로 평가·정제하고 DPO 파인튜닝용 선호쌍 구성
- 4.DiDi 실제 배차 시스템에서 AUC 최대 +6.14%, 14일 A/B에서 GMV +0.47% 달성
💡
왜 중요한가?
초저지연·롱테일 사용자·유틸리티 미보장이라는 세 제약을 함께 풀어, 정형 수치 특징에 갇혀 있던 산업용 매칭에 LLM 생성 맥락 프로필을 도입하고 실제 GMV·완료율 개선을 실증했다.
본문 미리보기
arXiv:2606.18803v1 Announce Type: new Abstract: Bringing Large Language Models (LLMs) into industrial ride-hailing dispatch as semantic feature extractors over platform-scale behavioral logs is a compelling but under-explored data systems problem. Production matching pipelines remain dominated by structured numerical features, yet decisive behavioral signals (e.g., a driver's habitual aversion to certain regions) are inherently contextual and naturally expressible as LLM-generated user profiles
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
공유:
#LLM#사용자 프로파일링#차량 배차#산업 응용