핵심 요약
넷플릭스가 Foundation Model을 개인화에 도입하고 Embeddings, Subgraph, Fine-tuning의 3가지 통합 방식으로 운영에 적용했습니다.
구현 방법
- Embeddings: 마지막 이벤트를 프로필 임베딩으로, 아이템 가중치를 아이템 임베딩으로 사용. Embedding Store로 버전 관리 및 온라인/오프라인 접근 제공. 매일 업데이트와 안정화 적용.
- Subgraph: 디코더를 서브그래프로 연결해 최신 학습 유지. 피처 생성 비용 증대를 재사용 코드로 완화. 프로필당 요청당 한 번 실행하고 아이템에 공유.
- Fine-tuning: 도메인 데이터로 파인튜닝해 적용하고, 전체/일부 파라미터 조정과 새 출력 헤드 추가가 가능한 프레임워크 제공.
주요 결과
- Embedding 접근은 저비용 시작점과 피처 관리 제공.
- Near-real-time 프레임워크로 임베딩 신선도 개선.
- Subgraph/파인튜닝은 깊은 통합의 비용-효율성 트레이드오프 제시.
