네이버 전 지면 사용자 행동을 학습하는 버티컬 추천 모델(VMs) 개발 경험 공개
흩어진 행동을 연결하다: 네이버 전 지면의 사용자 행동을 학습하는 추천 모델 개발기
네이버가 NAVER Engineering Day 10th에서 발표한 세션으로, 검색·피드·광고 등 여러 도메인의 데이터와 추천 기술을 잇는 버티컬 추천 모델(VMs)의 개발과 서비스 적용 경험을 공유했다. 발표는 서빙·최적화와 지식 증류를 통한 도메인 간 지식 전이 방향까지 다룬다. 발표 목차는 개발 배경과 목표, VMs 시스템 구조, 리트리버와 통합 랭커, 지면별 적용 현황과 성과, VMs 서빙과 최적화, FM 지식 전이, 향후 계획의 일곱 부분으로 구성된다. 발표 대상으로 여러 서비스 및 도메인의 사용자 행동 데이터를 활용한 크로스 도메인 추천, 시퀀스 기반 및 생성형 추천 모델, 대규모 모델의 실시간 추론과 GPU 서빙 최적화, Foundation Model 지식을 경량 모델로 옮기는 Knowledge Distillation을 꼽았다. 다만 제공된 자료에는 구체적인 성능 수치나 한계, 비교 결과는 나타나 있지 않다.
여러 도메인의 사용자 행동을 하나의 리트리버와 통합 랭커로 묶는 구조와 Knowledge Distillation을 이용한 경량화 방향은 대규모 추천 시스템의 서빙 설계를 고민하는 개발자에게 참고가 된다.
원문 출처
네이버 D2