[팀네이버 컨퍼런스 DAN25] Place AI Briefing: 검색부터 요약까지 이번 세션은 네이버 플레이스 AI Briefing 생성의 기술적 파이프라인을 다룹니다. Retrieval - Reranking - Summarization 구조를 중심으로 탐색형·정답형·정보형 태스크 차이를 설명하고, 텍스트와 이미지 정보를 요약하는 방법을 소개합니다. 구체적으로 Text Encoder·Reranker·Multi-modal Encoder의 데이터셋 구축, 모델 선택과 학습 방법론, 도메인 특화 모델 평가 사례, 그리고 ICL·Distillation 기반 요약 기법을 공유합니다. 마지막으로 서비스 적용 경험을 토대로 효율 최적화, 대형·경량 모델 조합 등 실무 전략을 제시합니다. 이 과정을 통해 얻은 통찰이 더 나은 서비스 설계와 발전 방향을 모색하는 데 기여하길 바랍니다. 목차 1. Overview - Place AI Briefing - 서비스 설명과 사례 - Key Components - Retrieval - Reranking - Summarization 2. Retrieval - Retrieval - Reranker - Multimodal encoder 3. Summarization - Approach 서비스 개요 JDD; Judgment Driven Development - In Context Learning summarization agent judgment agent - Distillation(RL based) preference data preference optimization experiments Reference Retrieval 4. Future works - Service Impact - Future Directions 대상 - 검색부터 요약까지, 플레이스 AI briefing의 기술적 파이프라인이 궁금한 분 - Domain-Specific 검색 모델 학습과 데이터셋 구축 사례에 관심이 있으신 분 - ICL·Distillation·멀티모달 등 최신 요약 기술을 서비스에 활용하고 싶은 분 - 서비스 적용 사례와 성능 최적화 전략에 관심 있는 개발자·연구자 - AI 서비스 기획, 데이터 기반 제품에 관심 있는 실무자와 학생 #DAN #DAN25 #TEAMNAVERCONFERENCE