새로운 프레임워크인 병렬 잠재 추론(Parallel Latent Reasoning, PLR)이 도입되어 여러 추론 경로를 동시에 탐색함으로써 순차 추천 시스템을 개선합니다. 이 접근법은 학습 가능한 트리거 토큰을 사용하여 병렬 추론 스트림을 구성하고 다양성을 보장하기 위해 전역 추론 정규화를 적용함으로써 기존의 딥 순차 추천 방법들의 한계를 극복합니다. PLR 프레임워크는 추론 스트림 혼합 집계를 통해 출력을 적응적으로 결합합니다. 광범위한 실험 결과, PLR 프레임워크는 효율적인 추론을 유지하면서 현존하는 최첨단 기준 모델들을 크게 능가하는 성능을 보였습니다. 이론적 분석 또한 향상된 일반화 능력을 뒷받침하여 순차 추천 분야에서 중요한 진전을 이루었음을 나타냅니다.