2026-10-22

오늘 함께 본 다른 변화는 다음과 같다.

• X는 후보가 Phoenix 채점 예산 2800개를 넘을 때 소스마다 같은 비율로 줄이는 필터를 기본 off로 추가했다.
• X는 retrieval 요청에 value model 가중치를 실어 보내는 경로를 만들었지만, 기본값이 비어 있어 지금은 보내지 않는다.
• Kuaishou는 10만 길이 유저 이력을 증류 선택기로 줄인 랭킹으로 앱 사용 시간 +0.613%를 보고했다.

1Instagram Feed가 예측의 기준선과 증분을 따로 가중한다 — Instagram

• Instagram Feed late-stage 랭킹(요청마다 수백 개 후보를 채점하는 마지막 단계)의 점수는 참여 예측의 가중합이다 확인 — HTML 판 §1.

  • 대상 VM은 피드 대부분을 정렬하는 MainRank와 세션 맨 위를 채우는 TopRank다.
  • 가중치는 몇 개의 north-star 지표에 맞춰 온라인 Bayesian optimization(실험 결과를 보며 가중치 조합을 차례로 고르는 최적화)으로 조정한다.
  • 배포된 VM은 일부 항 묶음을 곱하기도 하지만, 논문은 그 구조를 다루지 않는다.

• 논문은 원래 예측 항을 그대로 두고, 기준선을 넘는 증분 Δ를 별도 가중치의 항으로 더한다 확인 — 같은 논문 §1.

  • 원래 식과 바꾼 식은 다음과 같다(원문 MathML을 텍스트로 옮겼다).

  s(c) = Σ_j w_j p_j(c)
  s(c) = Σ_j [ w_j^r p_j(c) + w_j^i Δ_j(c) ]
  

• 기준선은 세 종류다 확인 — 같은 논문 §3.

  • 뷰어 기준선은 그 뷰어의 과거 행동률이다. Feed의 like 예측은 뷰어 본인의 과거 like 비율과 순위 상관이 0.69다.
  • 아이템 기준선은 아이템 인기도(popularity bias)이거나 포맷과 크기 같은 구조적 속성이다.
  • 요청 기준선은 같은 요청에 들어온 후보들의 예측 통계다.

• 세 기준선 모두 연산자 하나로 표현되고, 배포된 형태는 셋이다 확인 — 같은 논문 §3.

  • 일반형은 Δ = m(p,b)[σ(k·d(p,b)) − shift]이고, 확률이면 d = logit(p) − logit(b)를 쓴다.
  • 배포된 형태는 p σ(logit p − logit b), m σ(ŷ − b), max(0, p − b)이며 모두 shift가 0이다.
  • 강등 항은 m=p를 쓰면 예측이 바닥일 때 벌점이 사라지므로, 상수 크기에 비교 방향을 뒤집은 형태를 쓴다고 적었다.

"The baseline is not a defect but a second signal that needs its own weight (§3). A habitual liker's likes are real engagement, and a broadly loved post deserves reach. But one coefficient w_j cannot trade the two components off, and the right trade-off is unknown a priori and differs by signal." — arXiv 2610.27423 (HTML), 2026-10-20

• 영상 길이 같은 포맷 편향은 VM 항 대신, 같은 포맷·크기 버킷 안에서 상위일 때만 positive로 치는 라벨로 처리한다 확인 — 같은 논문 §4.4.
  • 버킷은 영상은 길이, 캐러셀은 카드 수, 사진은 OCR 단어 수로 나눈다. 버킷 안 체류 시간의 p75를 넘으면 positive다.
  • 인기도 편향은 같은 신호의 아이템 통계 하나라 VM 항으로 충분하지만, 포맷 편향은 라벨 자체가 왜곡돼 있어 라벨에서 고친다고 이유를 쓴다.
  • 영상 라벨과 영상 길이의 상관은 r≈−0.017로, 원래 log 체류 시간 예측의 +0.216보다 작아졌다 확인. 사진과 캐러셀 라벨은 감사하지 않았다고 적었다.

• 항마다 네 arm(두 항 모두 끔, 원래 항만, 증분 항만, 둘 다)을 두고 arm당 트래픽 3%로 비교했다 확인 — 같은 논문 §6.
  • 측정은 6개 실험이 모두 켜져 있던 같은 7일 구간이고, 각 실험은 12~17일 돌았다.
  • 판정한 13쌍(항, 지표) 가운데 11쌍에서 두 항 arm이 점추정으로 두 단일 항 arm을 모두 앞섰다. 두 대비가 모두 유의한 것은 7쌍이다.
  • 직접 대비 26개 가운데 17개가 유의하게 유리했고, 1개(impressions)가 유의하게 불리했다.
• 단일 항 arm을 다시 튜닝하지 않았다는 한계를 논문이 직접 쓴다 확인 — 같은 절.

"Neither single-term arm was re-tuned. This favours both over incremental, whose weight was set beside the raw term. The design thus tests whether either term is redundant at the deployed point, not whether a re-tuned single-term VM could match it." — arXiv 2610.27423 (HTML), 2026-10-20

• 배포된 6개 항과 출시 판정 지표는 다음과 같다 확인 — 같은 논문 §5 Table 4.
  • 포맷 버킷 라벨은 feed 체류 시간 +0.447%, 아이템 축 체류 게이트(MainRank)는 impressions +0.665%로 출시됐다.
  • see-more 요청 항은 비연결 포스트 관심 비율 +0.63%(feed 체류 시간 −0.118%), 외부 공유 뷰어 항은 sessions +0.030%로 출시됐다.
• 오프라인 진단(예측과 기준선의 상관)은 후보를 거르는 데만 쓰고 순위를 매기는 데는 쓰지 말라는 것이 결론이다 확인 — 같은 논문 §7. 실험한 항 하나는 같은 축 10개 가운데 오프라인 9위였다.

• 이 구조는 1년 가까이 Instagram Feed 프로덕션에서 돌았고, 6개 항은 논문 제출 시점에 모두 켜져 있다 확인 — 같은 논문 §5.
• Reels는 early-stage와 late-stage 양쪽에 세 축을 모두 출시했고, Threads는 late-stage에 출시했으며, Facebook은 진행 중인 실험에서 시험한다 확인 — 같은 논문 §8.
  • Reels 출시 예로는 late-stage 뷰어 축 like 보정(sessions +0.083%, DAU +0.042%)과 콘텐츠 보정 skip 강등이 있다.

"Furthermore, Threads has launched debiased signals in late-stage ranking, and Facebook is testing debiased terms in ongoing experiments." — arXiv 2610.27423 (HTML), 2026-10-20

↑ 목차

2후보가 넘치면 소스마다 같은 비율로 줄이는 필터가 생겼다 — X

• 새 필터는 후보를 served type(후보가 들어온 소스 경로)별로 묶고, 총수가 예산을 넘으면 묶음 크기에 비례해 남길 수를 정한다 확인 — home-mixer/filters/fair_share_ranking_filter.rs.
  • 나눗셈 나머지는 큰 순서로 1개씩 더 준다(largest remainder). 묶음 안에서는 현재 순서의 앞 N개를 남긴다.
  • 예산은 PhoenixScoresResultSize=2800이다 — params/param.rs:1189-1193.
  • 테스트는 인네트워크 440, SimClusters 220, Phoenix retrieval 440개(합 1100)를 예산 1000으로 줄이면 (400, 200, 400)이 남는다고 고정한다.
• 스위치 EnableFairShareRanking은 기본 false다 확인 — params/param.rs:1194-1199.
  • 켜도 캐시된 포스트 요청이거나 Phoenix 랭커 kill switch가 켜져 있으면 동작하지 않는다.
  • 스코어링 전 필터 목록의 맨 끝, FavHoldoutFilter 바로 뒤에 들어갔다 — phoenix_candidate_pipeline.rs:437. 점수만 내는 파이프라인에도 들어갔다.
• 꺼져 있는 지금은 Phoenix 요청이 목록의 앞 2800개만 보낸다 확인 — util/phoenix_request.rs:20, 192. 필터를 켜면 목록 뒤쪽 소스가 모두 잘리는 대신 소스마다 같은 비율이 잘린다 추정. 근거는 예산이 이 2800과 같고, 테스트 이름이 "drops_the_same_fraction_of_each_served_type"라는 점이다.

let product = count as u128 * budget_u;
let keep = (product / total) as usize;
remainders.sort_by(|left, right| right.0.cmp(&left.0).then(left.1.cmp(&right.1)));

• Phoenix retrieval 요청 proto에 이름별 가중치 맵 필드가 생겼고, home-mixer가 파라미터 값을 파싱해 채운다 확인 — sources/phoenix_source.rs:137-138.
  • 필드는 RetrieveTopKCandidatesRequest.value_model_weights = 17이다 — recsys.proto:298.
  • 파라미터 RetrievalValueModelWeights는 JSON 객체 문자열이고 기본값은 빈 문자열이다 — params/param.rs:281-286. 비었거나 잘못되면 아무것도 보내지 않는다.
• retrieval 서버가 이 필드를 읽는 코드는 이 커밋에 없다 확인. two-tower(유저와 포스트를 따로 임베딩하는 retrieval 모델)가 2026-10-13 커밋(4세대+40)부터 헤드를 여럿 두므로, 요청마다 헤드 가중을 바꾸려는 준비로 본다 추정. 근거는 필드 이름이 랭커의 value model과 같다는 점이다.

• 캐러셀이 실제로 나간 응답에서 캐러셀 영상의 위치와 점수를 Kafka로 남기는 side effect(응답은 바꾸지 않고 로그만 남기는 단계)가 생겼다. 스위치는 기본 off다 확인 — video_carousel_candidates_kafka_side_effect.rs.
  • 스위치는 EnableVideoCarouselCandidatesLogging=false이고(param.rs:1150-1155), 캐러셀 자체도 기본 off다.
• 2026-10-20 커밋에서 생긴 토픽 새로움 측정이 뷰어가 쓰지 않는 언어의 포스트 비율도 잰다. 이력 토픽 스위치가 기본 false라 여전히 꺼져 있다 확인 — serendipity_stats_side_effect.rs:19, 145-176.
  • 뷰어 언어는 참여 이력의 5% 이상(MIN_USER_LANGUAGE_SHARE = 0.05)을 차지한 언어와 앱 언어다. 새 메트릭은 CrossLanguageShare, CrossLanguageShareTop10 등이다.
• Phoenix 학습의 후보 패킹 옵션 이름이 바뀌어 H100 프리셋에서만 켜지고, 후보 영역 attention 커널이 SM100(GB200/GB300 GPU 세대)도 지원한다. 모델 구조와 손실은 그대로다 확인 — configs/xrecsys.py:463-474.
• VF(visibility-filtering, 포스트마다 노출 가능 여부를 판정하는 서비스)의 판정이 규칙 ID를 직접 들고 다니게 됐고, 계정 단위 판정 경로가 아직 쓰이지 않는 코드로 생겼다 확인 — models/verdict.rs:37.
  • 인용 포스트의 작성자 관계 조회가 실패하면, 이제 유저 규칙과 포스트 규칙 양쪽이 그 값을 "모름"으로 읽는다 — rules/engine.rs:427-440, 628. 기본값이 false라 보이는 결과는 같다고 본다 추정.
• abuse-enforcement-service의 backfill 한도가 GrowthBook에서 저장된 설정 레코드로 옮겨졌고, 누가 설정하기 전까지 속도는 0이다 확인 — service-lib/src/backfill.rs:112-117. 피드 랭킹과는 관계가 없다.

↑ 목차

310만 길이 이력을 증류 선택기로 줄여 앱 사용 시간을 올렸다 — Kuaishou

• Kuaishou 최대 단편 영상 지면의 7일 A/B(트래픽 5%)에서 총 앱 사용 시간 +0.613%, 유저당 앱 사용 시간 +0.640%를 기록했다 확인 — HTML 판 §4.6.
  • 이 지면은 DAU 4억 이상, 하루 상호작용 로그 500억 건 이상이라고 적었다.
• 비교 대상인 기존 시스템이 이미 TWIN 계열 검색과 시퀀스 압축을 쓴다 확인 — 같은 절.
• L=100K에서 온라인 시퀀스 분기 FLOPs를 대표 end-to-end 모델 대비 약 160배 줄였다고 쓴다 확인 — 초록.

"Notably, the existing production system already incorporates advanced long-sequence modeling techniques, including TWIN-based behavior retrieval and sequence compression mechanisms similar to C-Former and SequenceO1." — arXiv 2610.28569 (HTML), 2026-10-20

↑ 목차

레이더

• ECHO (arXiv 2610.28569): Kuaishou의 10만 길이 이력 랭킹을 ## 이번 달 신규에 추가했다.
• SPAR (arXiv 2610.27898): Youku가 SID(아이템을 의미 토큰 열로 나타낸 ID) 디코딩 단계마다 접두어에 맞는 장기 이력을 불러오고 가지 쏠림을 줄여, 트래픽 10% A/B에서 시청 시간 +3.95%를 얻었다. 생성형 retrieval 스레드에 추가 근거로 붙였다(초록만 읽었다).

↑ 목차

다음에 볼 것

↑ 목차

조회 현황

• X: xai-org/x-algorithm에 새 커밋 1건(7f2ca2b)이 있었다. 릴리스는 확인하지 않았다.
• Meta: engineering.fb.com RSS의 최신 글은 2026-10-19자로, 2026-10-21 배치에서 이미 확인했다. ai.meta.com/blog와 transparency.meta.com은 이번에 확인하지 않았다.
• Netflix: RSS의 최신 글은 2026-10-16자로, 이미 확인했다. research.netflix.com/publications는 확인하지 않았다.
• arXiv cs.IR: 30건을 파싱했다. 최신 제출은 2026-10-20이고, 통과한 것은 Instagram 논문(정본 반영), ECHO, SPAR 3건이다. 생성형 retrieval의 SID를 LLM 진화 탐색으로 설계한 논문은 공개 벤치마크뿐이라 탈락시켰다.
• WebSearch 교차 확인은 이번에 하지 않았다.

↑ 목차