Repolode
제출하기
SakanaAI

SakanaAI/QD-Rec

다양한 추천을 생성하기 위해 아이템-가설 쌍 아카이브를 진화시키는 품질 다양성 기법 QD-Rec의 연구용 코드입니다.

GitHub에서 보기
스타
13
포크
0
열린 이슈
0
마지막 커밋
그저께

어떤 프로젝트인가요?

QD-Rec은 연구 논문에 소개된 추천 기법의 레퍼런스 구현입니다. 아이템-가설 쌍으로 구성된 아카이브를 유지하며, 각 쌍에는 고정된 풀에서 가져온 아이템과 해당 아이템이 사용자에게 적합한 이유를 설명하는 자연어 가설이 포함됩니다. 새로운 쌍은 신규성을 우선하는 규칙에 따라 추가되고 비슷한 항목끼리 로컬 경쟁을 거치며, 아이템은 다양성을 고려하는 contextual bandit을 통해 선택됩니다.

저장소에는 네 가지 예제 애플리케이션이 포함되어 있습니다. 공개 페르소나 데이터에서 잠재 고객 찾기, Goodreads Children 하위 집합에서 책 추천하기, 학회 채택 논문 목록에서 관련 학술 논문 찾기, 기업 목록에서 M&A 대상 식별하기입니다. 각 앱에는 다운로드, 임베딩, 시드 생성 스크립트와 브라우저에서 아카이브를 확인할 수 있는 대시보드가 제공됩니다. 모든 모델은 OpenRouter를 통해 실행되므로 proposer, judge, 임베딩에 API 키 하나만 사용하면 됩니다.

또한 논문의 비교 실험에 사용된 Novelty 및 Novelty+Evo 절제 실험용 스크립트도 포함되어 있습니다. 개발자는 텍스트 아이템 풀과 추천 대상의 프로필을 제공해 코드를 자신의 도메인에 맞게 적용할 수 있습니다.

핵심 기능

  • 01신규성을 우선하는 추가 규칙과 로컬 경쟁을 적용해 아이템-가설 쌍 아카이브를 유지합니다.
  • 02다양성을 고려하는 contextual bandit을 사용해 아이템을 선택합니다.
  • 03고객, 책, 논문, M&A 대상 등 네 가지 예제 도메인을 제공합니다.
  • 04proposer, judge, 임베딩을 포함한 모든 모델을 API 키 하나로 OpenRouter에서 실행합니다.
  • 05저장된 아카이브를 살펴볼 수 있는 브라우저 대시보드를 제공합니다.
  • 06비교를 위한 Novelty 및 Novelty+Evo 절제 실험 방식을 지원합니다.

활용 사례

  • QD-Rec 논문의 실험을 재현하거나 확장하려는 연구자.
  • LLM이 작성한 근거를 활용해 고정된 아이템 카탈로그에서 다양한 추천을 프로토타이핑하려는 팀.
  • 프로필에 연구 관심사를 설명해 관련 논문을 찾는 경우.
  • 텍스트로 설명된 아이템이 있는 맞춤 도메인에 파이프라인을 적용하는 경우.

빠른 시작

  1. 1

    uv로 종속 항목을 설치합니다

    uv sync
  2. 2

    .env 파일을 만들고 OPENROUTER_API_KEY를 추가합니다

    cp .env.example .env
  3. 3

    페르소나를 다운로드한 다음, README에서 해당 단계에 안내된 명령으로 임베딩을 생성하고 아카이브에 데이터를 채웁니다

  4. 4

    Customers 도메인에서 QD-Rec을 100회 평가로 실행합니다

    uv run python -m apps.customers.qd_rec --profile SkillForge --iterations 100

사용 전 알아둘 점

  • 모든 모델 호출은 OpenRouter를 통해 이루어지므로 실행하려면 유료 API 키가 필요합니다.
  • 논문과 함께 공개된 연구 코드이므로, 패키지 도구만큼 설정 과정이 매끄럽지 않을 수 있습니다.

토픽

#recommender-systems#quality-diversity#llm#contextual-bandit#openrouter#research#embeddings

자주 묻는 질문

QD-Rec은(는) 무엇인가요?
다양한 추천을 생성하기 위해 아이템-가설 쌍 아카이브를 진화시키는 품질 다양성 기법 QD-Rec의 연구용 코드입니다. QD-Rec은 연구 논문에 소개된 추천 기법의 레퍼런스 구현입니다. 아이템-가설 쌍으로 구성된 아카이브를 유지하며, 각 쌍에는 고정된 풀에서 가져온 아이템과 해당 아이템이 사용자에게 적합한 이유를 설명하는 자연어 가설이 포함됩니다. 새로운 쌍은 신규성을 우선하는 규칙에 따라 추가되고 비슷한 항목끼리 로컬 경쟁을 거치며, 아이템은 다양성을 고려하는 contextual bandit을 통해 선택됩니다.
QD-Rec은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
QD-Rec은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
QD-Rec은(는) 아직 유지보수되고 있나요?
활발히 유지보수 중. QD-Rec의 마지막 커밋은 2026년 10월 19일입니다.
QD-Rec은(는) 어디에 사용할 수 있나요?
QD-Rec 논문의 실험을 재현하거나 확장하려는 연구자. LLM이 작성한 근거를 활용해 고정된 아이템 카탈로그에서 다양한 추천을 프로토타이핑하려는 팀. 프로필에 연구 관심사를 설명해 관련 논문을 찾는 경우. 텍스트로 설명된 아이템이 있는 맞춤 도메인에 파이프라인을 적용하는 경우.
QD-Rec는 어떻게 설치하나요?
uv로 종속 항목을 설치합니다: uv sync .env 파일을 만들고 OPENROUTER_API_KEY를 추가합니다: cp .env.example .env 페르소나를 다운로드한 다음, README에서 해당 단계에 안내된 명령으로 임베딩을 생성하고 아카이브에 데이터를 채웁니다 Customers 도메인에서 QD-Rec을 100회 평가로 실행합니다: uv run python -m apps.customers.qd_rec --profile SkillForge --iterations 100
QD-Rec은(는) 어디서 받을 수 있나요?
소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/SakanaAI/QD-Rec

요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.

관련 프로젝트