본 연구는 웹 분야 추천학회 중 하나인 WSDM (short paper track) 에 채택되었으며 Boise에서 발표될 예정이다.  해당 연구는 LLM의 사전 학습된 언어적 지식과 상호작용 데이터의 협업 패턴 간의 본질적인 이질성 문제를 심층적으로 분석하고 이를 해결하기 위한 ARROW 프레임워크를 제안한다. ARROW는 LLM의 내재적 추론 능력을 이끌어내기 위해 사고의 연쇄(Chain-of-Thought) 기반의 명시적 추론 과정을 수행한다. 더 나아가 추론 불확실성을 정량화하는 적응형 추론 변조기(ARM)를 통해 사용자에 대한 더 깊은 이해를 돕는다. 이를 통해 ARROW는 기존 모델과 달리 추천 결과에 대한 논리적이고 명확한 근거를 제공하여 의사 결정 과정을 인간이 이해할 수 있도록 만든다. 

본 연구는 중앙대학교 인공지능대학원 지원사업을 통해 진행되었다.