Deezer와 같은 음악 스트리밍 서비스는 종종 사용자에게 개인화된 플레이리스트를 추천합니다. 이러한 플레이리스트를 자연어로 설명하는 플레이리스트 캡셔닝 (Playlist captioning)은 사용자가 각 추천 뒤에 숨겨진 콘텐츠를 이해하도록 돕는 데 필수적이지만, 대규모(scale)로 수행하기에는 여전히 어려운 과제로 남아 있습니다. 본 논문은 이러한 문제를 해결하기 위해 2025년 Deezer에 배포된 자동 플레이리스트 캡셔닝 시스템을 소개합니다. 다양한 데이터 소스로부터 통제된 방식으로 설명적인 캡션 (captions)을 생성하기 위해 최근의 대규모 언어 모델 (LLMs)의 발전을 활용한 이 시스템은 현재 수백만 명의 사용자가 사용하는 Daily Mix 기능의 기반이 되고 있습니다. 이러한 배포는 사용자 참여도 (user engagement)의 상당한 향상을 이끌어냈으며, 이는 변경되지 않은 추천이라 할지라도 의미론적 프레이밍 (semantic framing)이 온라인 개인화 경험에서 사용자의 인식을 어떻게 형성하는지를 강조합니다.