추천 시스템 관점의 컨텍스트 엔지니어링: 진화적 협업 필터링을 통한 최적의 컨텍스트 매칭

요약

기존의 컨텍스트 엔지니어링이 데이터셋 전체에 적용되는 단일 전략을 찾는 전역적 탐색에 집중했다면, 본 논문은 이를 인스턴스별로 최적의 컨텍스트를 매칭하는 추천 문제로 재정의합니다. 제안된 NCCE 프레임워크는 신경 협업 필터링(NCF)을 활용하여 입력값에 따라 최적의 컨텍스트를 동적으로 할당하는 라우팅 메커니즘을 통해 LLM의 작업 정확도를 크게 향상시킵니다.

핵심 포인트

• 컨텍스트 엔지니어링을 전역적 탐색이 아닌 인스턴스 수준의 추천 문제로 패러다임 전환
• Neural Collaborative Context Engineering (NCCE) 프레임워크 제안
• Context-CF Co-Evolution 메커니즘을 통한 컨텍스트와 선호도 모델의 상호 진화
• 학습된 NCF 모델을 컨텍스트 라우터로 사용하여 추론 시점에 동적 컨텍스트 할당
• 개인화된 컨텍스트 매칭을 통한 LLM 작업 정확도 극대화