대규모 언어 모델은 사용자와의 상호작용 방식에 변화를 가져오고 있으며, 사용자가 다음에 관심을 가질 항목을 예측하는 것뿐만 아니라 사용자의 필요를 이해하고 자연어 피드백을 통해 적응하는 방식으로 발전하고 있습니다. 그러나 이러한 새로운 기능을 탐색할 수 있는 데이터셋은 존재하지 않아, 새로운 벤치마크 데이터셋인 Reviews Enhanced with GEnerative Narratives (REGEN)이 개발되었습니다. REGEN은 항목 추천, 자연어 기능 및 개인화된 내러티브를 통합하여 새로운 추천 아키텍처를 탐색하고 벤치마크할 수 있도록 합니다. 이 데이터셋은 Gemini 1.5 Flash 모델을 사용하여 생성된 합성 사용자 비평과 내러티브로 Amazon Product Reviews 데이터셋을 보강하여 생성되었습니다. REGEN은 사용자 피드백을 통합하고 추천과 일관된 자연어 출력을 생성하는 모델의 평가를 가능하게 합니다. 실험 결과, REGEN에서 훈련된 대규모 언어 모델은 추천과 내러티브를 모두 효과적으로 생성할 수 있으며, 최신 추천자와 언어 모델과 비교할 수 있는 성능을 달성합니다. 데이터셋에는 사용자가 선호도를 표현할 수 있는 비평과, 추천 항목에 대한 풍부한 컨텍스트 정보를 제공하는 내러티브가 포함되어 있습니다. 다른 모델링 접근 방식을 탐색하기 위해 두 가지 기준 아키텍처가 개발되었습니다. 하이브리드 시스템과 완전 생성 모델인 LUMEN입니다. 결과는 REGEN이 의미 있게 모델을 추천과 생성 작업 모두에 걸쳐 도전하고 차별화할 수 있으며, 입력에 사용자 비평을 통합하면 일관되게 추천 지표를 개선할 수 있음을 보여줍니다. REGEN은 대화형 추천 모델의 기능을 연구하기 위한 기본 리소스를 제공하며, 언어를 기본 요소로 통합하여 대화형 추천을 발전시킵니다.