연구진은 관찰 데이터로 훈련된 예측 모델이 배포 환경에서 마주치는 분포에 일반화하는 데 어려움을 겪는다는 문제를 해결하기 위해 인과적 표현 학습(CRL)에 기반한 새로운 방법을 제안했어요.
새로운 방법은 정보 이론적 분리 기준을 활용하며, 이는 입력의 인과적 구성 요소에만 의존한다는 점이 증명됐어요.
Spotify의 A/B 테스트에서 기존 모델과 동일한 오프라인 성능을 보였지만, 청취자 참여도 측면에서 상당한 온라인 향상을 달성했으며, KuaiRand 데이터셋과 합성 벤치마크에서도 유사한 패턴을 확인했어요.