FEED RESEARCH · 일일 리포트

2026-08-09

일요일 · 읽는 데 약 19분

Meta 착수. Facebook / Instagram / Threads 세 지면 + 교차 topics 8개 정비.

로그다. 근거 등급과 인용은 전부 services/·topics/에 있고 여기서 반복하지 않는다.

읽은 것

Meta Transparency Center AI 시스템 카드 — fb-feed, fb-video, fb-reels, fb-feed-recommendations, ig-feed, ig-explore, ig-reels-chaining, ig-threads-feed
engineering.fb.com / ai.meta.com 엔지니어링 블로그 — Explore 2020·2023, Journey to 1000 models, UTIS(2026-01-14), IG Notifications 다양성(2025-09-02), SilverTorch, RankGraph-2, Andromeda
논문(전부 HTML 렌더링으로) — HSTU, ULTRA-HSTU, Wukong, InterFormer, DHEN, GEM, MARM, LLaTTE, DV365(KDD 2025), Epinet, MoL/h-indexer, HILL
Meta IR 실적 발표 트랜스크립트 Q1 2024 ~ Q1 2026, Widely Viewed Content Report Q4 2025
특허 US 10,345,993 B2 (광고·오가닉 통합 랭킹), 형제 특허 US 9,729,495
Adam Mosseri 게시물 (Threads 랭킹 변경 날짜별), Meta 뉴스룸 (Dear Algo / Your Algorithm)
EU DSA VLOP 지정 목록, Meta DSA 제출 문서 (3자 호스팅 PDF — 검증 실패, 아래 참조)

새로 알게 된 것 (오늘의 큰 것 6개)

X와 Meta의 "공개"는 종류가 다르다. Meta는 설계를 공개했고 X는 설정을 공개했다. X 후보 수는 코드에서 나온 정확한 값이고 Meta 후보 수는 시스템 카드에서 나온 반올림 값이다 — 공시가 무엇을 위한 것인지가 숫자 모양에 드러난다.
멀티태스크 결합식이 하나가 아니다. "멀티태스크 랭킹 = 가중합"이라는 통념이 Meta 안에서 깨진다. Facebook Feed는 가산 Vijt = Σ w·Y(i=포스트, j=뷰어), Instagram Suggested Posts 2020은 곱셈 (P_like)^w × (1−P_not_interested)^w, Explore 2023은 음수항 포함 가산, Notifications 2025는 곱셈 페널티 Score = R(c)×D(c). 가중치를 정하는 방법도 갈린다 — Facebook은 설문, Instagram은 offline tuning + Bayesian optimization, X는 소스 코드 상수.
Meta의 통합 모델은 아직 없다. 오가닉(HSTU → ULTRA-HSTU)과 광고(DHEN·Wukong·InterFormer → GEM, 서빙 MARM, 유저 모델 LLaTTE)는 별도 계보다. GEM·MARM·LLaTTE 본문에 "HSTU"가 0회 나온다. 자주 오독되는 Q4 2025 "consolidation" 발언은 광고 품질 모델 이야기고 오가닉이 아니다.
Meta의 진짜 엔지니어링은 인코더가 아니라 인덱스에 있다. EBR은 ANN을 별도 서비스로 빼지 않고 Boolean 역색인 안에 (nn <key> :radius <radius>) 연산자로 넣었다. SilverTorch는 "index as model"로 인덱스를 모델 서빙에 흡수한다. X 문헌은 인코더를 보여주고 Meta 문헌은 인덱스를 보여준다.
서빙 비용이 아키텍처를 정한다. Instagram Explore가 two-tower를 고른 이유가 정확도가 아니라 item tower 출력이 캐시 가능하기 때문이다. 그리고 캐싱이 곧 그 타워의 재학습 주기를 인덱스 재빌드 비용에 묶는다 — 랭킹은 시간 단위 파인튜닝인데 item tower만 일 단위인 이유가 여기 있다.
다양성은 부재가 곧 발견이다. 메인 피드의 diversity/dedup에 대해 Meta는 알고리즘 수준에서 거의 아무것도 공개하지 않는다 (Threads는 0건). 유일한 예외가 2025 Instagram 알림 다양성 프레임워크다 — 피드가 아니다.

부수적으로: Threads 시스템 카드는 슬러그가 ig-threads-feed인데 본문 시그널 50개가 전부 Text Post App 네임스페이스이고 Instagram은 0회 — 인프라는 100% 재사용, 랭킹 시그널은 100% 분리. Threads는 EU VLOP가 아니고, Threads API 9개 엔드포인트에 피드 읽기가 없어 랭커를 외부에서 감사할 수 없다. Facebook의 강등 유형은 2021년 ~24종에서 2025년 4종(한 페이지)/7종(다른 페이지)으로 줄었고 Meta 자기 페이지 둘이 지금 서로 안 맞는다. Widely Viewed Content Report에서 미연결 콘텐츠 비중이 11.7% → 15.2% → 41.0%로 뛰었다. Meta는 AI 추천 비율(FB 30% / IG 50%+)을 Q1 2024 이후로 보고하지 않는다.

검증에서 뒤집힌 것 (중요)

적대적 검증 2판을 돌렸고 실제 결함이 나왔다.

조작된 인용문 1건. Explore 2023 블로그에 없는 문장("offline replay tools along with Bayesian optimization tools…")이 초안에 들어가 있었다. "replay"는 그 글에 0회 나온다. 실제 문장으로 교체했고, 이 인용을 쓰던 표·요약 4곳을 연쇄 수정했다.
공식 첨자가 반대였다. Vijt의 i·j를 뷰어·포스트로 적었는데 원문은 "for each post i, we estimate Yijt" / "the post X_it toward viewer j" — i가 포스트다.
부재 주장이 반증됐다. "네 개 광고 블로그에 Llama 0회"를 근거로 "Meta의 LLM 언급은 비유다"라고 썼는데, LLaTTE 논문이 *"dense content embeddings produced by fine-tuned LLaMA models"*라고 명시한다. → LLM을 **표현(representation)**으로 쓰는 것과 "LLM-style scaling law"를 아키텍처 비유로 쓰는 것은 다른 이야기다. 노트가 둘을 뭉개고 있었다.
살아있다고 적은 페이지가 404였고, Mosseri 인용 링크 하나는 홈으로 리다이렉트되며, Clegg 2023 기사에 없는 문구가 그 기사에 인용돼 있었다. 인용문 3건은 생략 부호가 결론을 바꾸는 위치에 있었다 (Q4 2025 12% 개선은 *"along with a series of back-end improvements"*가 붙어 있어 모델 통합 단독 효과가 아니다).
새 규칙 — 부재의 등급. 오늘 정한 정책이다. "페이지 X를 D일에 받아봤더니 Y가 없다"는 재현 가능한 1차 관찰이므로 [관찰] + 날짜 + 대상. "Meta가 Z를 공개한 적 없다" 같은 무한 부정은 [추정]이고 검색한 코퍼스를 문장에 밝힌다. 핀 고정된 커밋의 소스 코드 grep만 [확인]으로 남긴다 — 코퍼스가 유한하고 전수 검색이 가능하기 때문.
새 규칙 — arXiv PDF 금지. WebFetch로 PDF를 받으면 없는 숫자를 지어낸다. SilverTorch에서 AWS 인스턴스 타입, "Recall@100 >95%", "~40% infra savings"를 만들어냈는데 HTML판 실제 값은 A100 40G, Recall@20 +28.2%였다. 이후 arxiv.org/html/ 또는 ar5iv만 쓴다. PDF만 있는 주장은 확인도 부정도 하지 않고 미검증으로 남긴다.

반영

services/facebook.md 신규 — Vijt 공식, 지면별 후보 수, 강등 유형 축소사, 광고 특허, Epinet 콜드스타트, dwell-time 정규화, DSA
services/instagram.md 신규 — 결합식 3형태, IG2Vec/IGQL, Explore 2023 스케일링, DV365, 알림 다양성 공식, "연속 3개" 반박
services/threads.md 신규 — Mosseri 날짜별 변경 타임라인, 시스템 카드 실측(헤드 10 / 시그널 50 / Instagram 0), VLOP 비지정, API에 피드 읽기 없음, Dear Algo·Your Algorithm
topics/survey-signals.md 신규 — 설문 신호가 랭커를 움직이는 4가지 레버리지 패턴 (Meta 2021 / YouTube 2021 / Meta UTIS 2026 / TikTok USM 2024)
topics/model-freshness.md 신규 — 지면별 재학습 주기, 인덱스 신선도(도달 가능성)와 랭커 신선도(완만한 열화)의 경제학 차이
topics/multi-task-ranking.md — Meta 결합식 4종 표, 가중치 출처 비교, 헤드 수 19~22 vs ~10이 비교 가능한 숫자가 아닌 이유
topics/candidate-allocation.md — Meta 지면별 pass-0 표, 광고·오가닉 공통 단위(픽셀 높이) 인터리브
topics/feed-diversity.md — 부재를 발견으로 기록, 알림 다양성 공식, 반박
topics/embedding-retrieval.md — EBR 역색인 하이브리드, SilverTorch, RankGraph-2, Andromeda/HILL, IG2Vec/IGQL, 캐시성 제약
topics/sequence-transformer-ranking.md — HSTU 상세, ULTRA-HSTU, 광고 계보, DV365, 계보 분리 근거
topics/llm-in-recsys.md — 표현 vs 비유 구분, LLaTTE

같은 날 2부 — Netflix 착수·완료 + 기존 작업 재검증 + 일일 배치 구축

읽은 것 (2부)

TMIS 2015 (Gomez-Uribe & Hunt) — 고전 세대 시스템 서술의 정본
netflixtechblog — Foundation Model(2025-03), FM 통합 3모드(2025-11), GenRec(2026-07), 장기 만족 보상(2024), 아트워크 밴딧(2017), AVA(2018), 인터리빙(2017), FM-Intent(2025), 라이브 이벤트 전달(2025), Ads 파이프라인(2025), 2013 3계층 아키텍처
about.netflix.com — Goodbye Stars Hello Thumbs(2017), Two Thumbs Up(2022), 새 TV 경험·대화형 검색 베타(2025), Upfront 2025
논문 — Calibrated Recommendations(Steck, RecSys 2018), UniCoRn(RecSys 2024), GenPage(RecSys 2026), 1B 스케일링(2026, shadow), 라이브 콜드스타트(RecSys 2025), 임베딩 안정화(RecSys 2025), Artwork LLM post-training(2026, 연구)
help.netflix.com 추천 문서, SIGIR 2019 검색 논문, AI Magazine 2021 초록

새로 알게 된 것 (Netflix의 큰 것 5개)

retrieval 레이어가 없다. PVR이 카탈로그 전체를 회원별로 정렬한다 — 코퍼스 수천~수만이라 브루트포스 전 채점이 성립. "무슨 ANN 쓰나"라는 질문 자체가 무효인 첫 표본. 배분 문제는 아이템이 아니라 행 선택(수만 후보 행 → 약 40행)으로 이동하고, 2015년에 이미 템플릿(비율 배분)을 버렸다.
목적함수가 Σ w·P가 아니다. 컨텍스추얼 밴딧 + 프록시 보상 r(user,item)=f(play,complete,thumb). north star는 retention인데 월 1회 신호라 직접 최적화를 포기하고 reward engineering 루프로 접근. 지연 피드백은 예측 모델로 메운다. 가중합 프레임이 광고형 지면의 관행일 수 있다는 첫 반례.
업계에서 가장 구체적인 재학습 주기 공개. FM은 "월 단위 처음부터 사전학습 + 매일 파인튜닝". 신규 아이템이 스케줄로 오는 편성 카탈로그라 신선도 압력 자체가 UGC와 다르다 — 콜드스타트가 커버리지 문제가 아니라 프로모션 문제(빌보드 incrementality 밴딧).
GenRec이 llm-in-recsys의 자리 3 공백을 깼다. 유기 랭킹 경로에 LLM(내부 LLM post-training, vLLM prefill-only, ~10% 트래픽 4주 A/B 유의미 승리)이 들어갔다는 업계 최초급 1차 진술. X(심판)·Meta(피처 인코더)와 달리 랭커 그 자체다. "context window becomes our new 'feature budget'".
다양성의 다섯 번째 방식 — calibration. 시청 이력의 장르 분포를 추천 리스트에 보존(Steck RecSys 2018, 수식 공개). 단 배포 진술이 없어 "Netflix가 쓴다"고 쓰면 안 된다. 다양성 자체는 행 선택 단계에 있고("관련성+다양성 최적화"), 아트워크 개인화가 지각적 다양성의 별도 레버.

부수: 명시 평점의 1차 출처 확보(2017 thumbs 전환·활동 200%↑·% Match는 표시용, 2022 two thumbs) — survey-signals의 Netflix 절을 2차 보도에서 1차로 승격. 광고는 파이프라인·타겟팅 상품만 공개돼 있고 랭킹 모델 공개물이 0 — Meta처럼 오가닉/광고 계보 서술이 불가능한 상태. 인구통계 미사용 명시. "Hydra" 통합 시스템명과 semantic ID설은 1차 출처 없음(후자는 Spotify 토크와의 흔한 혼동).

검증에서 뒤집힌 것 (2부 — 기존 X·Meta 파일 재검증)

X 노트 2차 적대 검증(44 OK / 3 DEFECT / 3 MINOR), Meta 노트 2차(58 OK / 4 DEFECT). 전부 수정 반영:

x.md 조작 인용 1건: "our decision not to release training data or model weights" — 2023 블로그 아카이브 전문에 없는 문장이었다. 실재하는 문장(recap README의 학습 데이터 비공개 사유)으로 교체.
x.md 2023 가중치 범위 오류: "0.0~100.0, 음수 표현 불가"가 틀렸다 — Report −20000..0 등 음수 전용 4종이 2023부터 있었고, 2025 경계값은 2023과 동일(신규 신호 아님). multi-task-ranking의 표까지 연쇄 수정.
x.md 카운트 오류: "나머지 default 203개 전부 실제값" → 실제는 173개 중 25개가 0.0. 방향은 유지, 수치 정정.
facebook.md: 데모션 "약 24종"의 출처로 단 2021 발표문에 개수가 없다 → [추정] 강등.
instagram.md 2건: 팔로워 수 인용 3문장째가 현행 페이지와 다름(재복사), 원본성 복구 조건은 "최근 30일 콘텐츠 구성"이지 "위반 후 30일 경과"가 아님.
model-freshness.md: RankGraph-2 인용 "constraining" → 원문 "filtering" (한 단어).
사소: bulk topic은 7개 "이상"(>6), 50/50 인용 출처 정밀화, e414c17은 "187파일 변경"(레포 총 216).

netflix.md 자체도 같은 방식의 적대 검증을 걸었다 — 54 OK / 결함 0 / 사소 3 (헤드라인 수치 전부 생존: 40행×75, 80%/20%, $1B, GenRec 10% 트래픽·+1.6% MRR·40×, 월+일 주기, 200%, 2-6개월·200만/셀, 라이브 1억 디바이스/1분). 사소 3건 반영: FM 소비 3모드의 출처를 두 글로 분리 표기, UniCoRn 7%/10%에 "오프라인 지표" 한정, TMIS "이틀 전 데이터"는 실험 프로토콜 예시이지 프로덕션 학습 주기 진술이 아님을 명시.

반영 (2부)

services/netflix.md 신규 — 세대 구분(고전 2015-22 / 통합 2023-24 / FM 2025 / LLM-네이티브 2026), 전 절 근거 등급 포함
topics/feed-diversity.md — calibration 5번째 방식 추가, 다양성 단위(리스트 vs 페이지), 수식 공개≠배포
topics/candidate-allocation.md — "배분 레이어의 존재는 코퍼스 크기의 함수", 행 단위 배분, GenPage
topics/embedding-retrieval.md — "retrieval 없음" 극단 2번째 표본, 콜드스타트 버리기(X TwHIN 0벡터) vs 채우기(FM 메타데이터)
topics/model-freshness.md — FM 월+일 이중 주기, 신선도 압력은 아이템 유입 형태의 함수, 프리컴퓨트 극단 사례
topics/multi-task-ranking.md — 보상 함수 프레임(밴딧), north star 직접 최적화 포기의 이유
topics/sequence-transformer-ranking.md — (Netflix FM은 GPT식 autoregressive — X·Meta 대비는 netflix.md에서)
topics/llm-in-recsys.md — GenRec으로 자리 3 테제 수정, 코퍼스 크기와 LLM 투입 지점 가설
topics/survey-signals.md — Netflix 절 1차 출처 승격(thumbs·two thumbs·온보딩 픽커)
scripts/daily-research.sh + scripts/daily-research-prompt.md 신규 — 일일 배치: 매일 09:30 각 서비스 신규 공개물 체크 → 있으면 분석·정본 갱신·daily 기록·푸시, 없으면 Slack 보고만. pm2 cron 등록.

반영 (3부) — GenRec 원문 재독 + 적대 검증

"GenRec 설명" 요청을 계기로 블로그를 다시 받아 읽고 적대 검증을 걸었다. 기존 수치는 전부 생존했는데 정본에 빠져 있던 사실 두 개가 나왔고 둘 다 그림을 바꾼다.

채점 구조가 생성이 아니다. "we extract a pooled hidden state h" → 아이템 임베딩 eᵢ와 scoring head ϕ(dot product 또는 small MLP)로 sᵢ, softmax. 백본·헤드·아이템 임베딩 공동 학습. 즉 LLM은 유저 표현 인코더이고 채점기는 여전히 임베딩 내적이다. "LLM 랭커"를 semantic ID 생성형 retrieval과 혼동하기 딱 좋은 지점이라 llm-in-recsys.md에 경고 블록을 넣었다. prefill 1패스가 후보당이 아니라 후보 집합 전체라는 것도 이 구조 때문이다.
A/B가 "batch-compute recommendation surfaces" 한정. 원문에 명시돼 있다. 다만 글은 "실시간엔 안 갔다"고 쓰지 않는다 — 그건 우리 추론이므로 [추정]으로 분리했고, X·Meta와 한 줄에 세울 때 지면 성격 차이를 지우지 말라는 ⚠를 테제 옆에 달았다.

검증 부산물로 잡은 정밀화 3건: ① 컨텍스트 1/3 압축의 "negligible degradation"은 오프라인 랭킹 지표 한정 ② 40×/+1.6%는 오프라인 MRR 진술에 묶어 써야 한다 — 프로덕션 대등/상회 쪽은 별도로 "10–40× ... depending on configuration" ③ Limitations 절은 없지만 전망 문장은 흩어져 있어(natural-language steering, 추천 이유 설명 등) "GRPO가 유일한 미래 과제"는 틀린 요약.

[관찰] 2026-08-09 GenRec 후속 글 없음 — 롤아웃 열린 질문 유지. 단 netflixtechblog 인덱스가 JS 렌더링이라 검색 결과 기준이다. 열린 질문 2개 추가: 실시간 지면 적용 여부, 후보 집합의 생성 주체(글이 안 밝힘).

다음에 볼 것

Transparency Center 재검증 — 시스템 카드 페이지 자동 fetch 차단(400/429). 카드 기반 주장은 전부 2026-08-09 스냅샷. 브라우저로 재확인 필요.
Meta DSA 제출 문서 원문 / Que2Search ACM판 — 이전과 동일.
Netflix 열린 질문들 — GenRec/GenPage 전면 롤아웃 여부 추적(이후 blog 후속 글), calibration 배포 여부, FM 파라미터 수, 광고 랭킹 모델 공개 시작 여부.
sequence-transformer-ranking에 Netflix FM 절 추가 검토 — 토큰화(BPE 비유)·이질 피처 토큰·multi-token 목적이 X(ID-only)·Meta(HSTU) 대비 세 번째 좌표. 이번엔 netflix.md에만 실었다.
다음 서비스 후보: YouTube(공개 문헌 밀도 높음) 또는 TikTok(USM 계보).