일일 리포트
2026-08-08 ~ 2026-10-21
- 전체 62편
- 누적 1891분 분량
읽는 법각 리포트는 한 줄 요약 → 자료 → 배경 → 정본 반영 → 의미 순서로 같은 구조를 따른다. 바쁘면 표지의 한 줄 요약과 각 절의 의미 카드만 읽어도 그날의 변화가 잡힌다.
2026-1015
- Meta가 광고 랭킹과 retrieval의 아이템 표현을 의미 토큰 열로 바꿨고, GEM과 함께 전환을 0.35% 올렸다고 공개했다.
- 읽은 자료 3건
- 정본 반영 2개 파일
- 레이더 1건
- X가 몰입형(immersive) 지면의 한 페이지를 강화학습으로 채우는 재순위기의 학습 코드를 공개했다. 보상은 체류 시간을 기준으로 하고, 서빙 스위치는 기본 off다.
- 읽은 자료 2건
- 정본 반영 2개 파일
- 레이더 1건
- X가 피드 서비스 home-mixer의 가중치 미러에서 영상 열기 가중치를 0.07에서 0.02로 내리고, 좋아요와 체류 시간 가중치를 올렸다.
- 읽은 자료 4건
- 정본 반영 2개 파일
- 레이더 1건
- X가 랭킹 모델 Phoenix의 추론 요청에, 피드 요청이 앱 실행인지 새로고침인지 아래로 스크롤한 것인지를 담는 필드 2개를 추가했다. 나머지는 H100 학습 효율 개선이다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 0건
- X가 For You 피드 안에 세로 영상 3~5개를 묶어 보여 주는 캐러셀 모듈을 만들었다. 기본값은 꺼져 있다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 0건
- X가 나흘 전 공개한 전역 인기 포스트 후보 소스를 기본으로 켰다. 유저와 무관하게 모두에게 같은 인기 포스트 목록을 후보로 넣는 소스다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 0건
- X 랭킹 점수식(value model)에 "열 확률 × 열었을 때 머무는 초" 꼴의 기대 체류 시간 항 3개가 처음 코드로 들어왔다. 가중치가 아직 0이라 서빙 점수는 그대로다.
- 읽은 자료 2건
- 정본 반영 2개 파일
- 레이더 0건
- X가 generative SID retrieval의 서버 크레이트를 공개했다. 서버는 미리 만들어 둔 SID 스냅샷에서 접두사 범위 검색만 한다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 0건
- X의 노출 판정 서비스(VF)가 액션 제한 사유마다 막을 액션과 안내 문구를 직접 정해, 응답에 액션별 문구까지 담기 시작했다.
- 읽은 자료 1건
- 정본 반영 2개 파일
- 레이더 1건
2026-0928
- KuaFu 논문에 따르면, 유저 행동 이력을 아이템 단위로 압축하는 프로파일링이 Tencent 광고·추천 플랫폼에 10개월 배포됐고 홀드아웃 대비 GMV가 1.37% 올랐다.
- 읽은 자료 2건
- 정본 반영 1개 파일
- 레이더 1건
- X가 안전 조치 서비스에, 사람 검토자가 이의제기로 뒤집은 정지·라벨을 다시 적용하지 못하게 막는 마지막 프리체크를 새로 넣었다. 게이트의 기본 모드는 Off다.
- 읽은 자료 2건
- 정본 반영 2개 파일
- 레이더 1건
- X가 노출 판정 서비스(VF)의 데이터 조회 단계를 하루 만에 다시 썼다. 데이터 종류마다 두던 조회 함수를 지우고 데이터 테이블과 스케줄러로 옮겼다.
- 읽은 자료 2건
- 정본 반영 1개 파일
- 레이더 1건
- X가 홈믹서의 1,255줄짜리 랭킹 스코어러를 지웠다. 이제 홈믹서와 vm-ranker는 공유 crate에 있는 같은 코드로 value model을 계산한다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 1건
- 어제 예고한 세 슬롯이 하루 만에 실제 코드로 채워졌다. VM-Ranker 서비스는 value model을 직접 계산하기 시작했다(신규 파일 4개, 파라미터 56개).
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 1건
- X가 재순위 서비스 VMRanker에 값 모델 입력을 보내거나 값 모델 점수를 계산하게 하는 모드를 붙였다. 새 모드를 켜는 파라미터는 둘 다 기본 false다.
- 읽은 자료 2건
- 정본 반영 2개 파일
- 레이더 2건
- X가 광고 랭킹 학습에서 지연 피드백을 다루던 플래그 셋을 하나로 합치고, 학습 샘플을 fresh·early-relabel·late-split 세 스트림으로 나눴다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 0건
- X가 홈 피드에서 인기 포스트를 fav 수 구간별 비율로 뷰어마다 걷어내는 홀드아웃 필터를 넣었다. 기본값은 꺼져 있다.
- 읽은 자료 2건
- 정본 반영 2개 파일
- 레이더 1건
- X가 For You 랭킹 모델의 학습에 광고 구매액 loss를 연결하고(기본 가중 0), 클릭 후 체류 시간 head를 기본 설정부터 10초 기준 이진 분류로 바꿨다.
- 읽은 자료 2건
- 정본 반영 2개 파일
- 레이더 1건
- X가 For You 슬레이트의 다양성 재정렬(DPP)에 기준 포스트를 넣을 수 있게 했다. 이 포스트와 비슷한 후보는 결과에서 빠질 확률이 올라간다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 0건
- X의 노출 판정 필터가 이제 필터링 사유가 아니라 명시적인 액션 값을 보고 포스트를 거른다. 걸러지는 결과는 대부분 그대로다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 0건
- X가 랭킹 점수에 쓰는 참여 헤드 가중치 26개를 유저와 헤드마다 정해진 방향으로 흔들 수 있게 했다. 흔드는 세기의 기본값이 0.0이라 기본 동작은 그대로다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 0건
- Shopify가 Meta의 HSTU를 바탕으로 만든 생성형 추천 모델을 상품 추천에 배포했다는 2026-02 블로그를 뒤늦게 찾아 레이더에 넣었다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 1건
- Pinterest가 Home Feed의 조건부 임베딩 retrieval(CLR)을 통합 아키텍처로 확장하면서 p90 지연을 80ms에서 12ms로 85% 줄였다.
- 읽은 자료 4건
- 정본 반영 0개 파일
- 레이더 4건
- X가 노출 판정 서비스의 규칙 파일 9개를 3개로 합치고, 규칙마다 두던 구조체를 한 줄짜리 데이터 정의로 바꿨다. 정책은 그대로다.
- 읽은 자료 2건
- 정본 반영 2개 파일
- 레이더 2건
- X가 NSFW 미디어에 나이 게이팅을 강제하는 16개국 목록을 처음 코드에 명시했다. 한국도 이 목록에 들어 있다.
- 읽은 자료 1건
- 정본 반영 1개 파일
- 레이더 1건
2026-0819
- X가 포스트 노출 판정 규칙 계층의 파일 14개를 정책 변경 없이 리팩터링했다. 90건 골든 코퍼스와, 연결된 규칙마다 그 규칙이 판정한 케이스를 하나 이상 요구하는 테스트가 CI에 들어갔다.
- 읽은 자료 2건
- 정본 반영 2개 파일
- 레이더 0건
- arXiv cs.IR 신규 없음(2026-08-27 이후 신규 제출 없음, 주말)
- X가 포스트 위험도와 광고 등급을 함께 보고 광고 자리를 정하는 새 광고 블렌더를 추가했다. 아직 기본 블렌더가 아니라 실험 게이트 뒤에 있다.
- 읽은 자료 2건
- 정본 반영 2개 파일
- 레이더 1건
- X가 추천 모델 Phoenix의 체크포인트를 저장할 때도 호스트 메모리 사용량에 상한을 둘 수 있게 했다. 복원 쪽에는 한 배치씩만 호스트 메모리에 올리는 방식이 추가됐다.
- 읽은 자료 5건
- 정본 반영 2개 파일
- 레이더 3건
- X가 계정 조치 엔진에 스코어러가 조치를 직접 요청하는 일반 경로를 열었다. 요청은 코드에 고정된 종류와 동적 allowlist를 모두 통과해야 실행된다.
- 읽은 자료 4건
- 정본 반영 2개 파일(services/x.md, radar.md)
- 레이더 2건
- X가 노출 판정 서비스(VF)의 staging 배포에서 요청마다 레퍼런스 VF와 판정을 대조하고, 결과가 다를 때만 기록하게 했다.
- 읽은 자료 4건
- 정본 반영 2개 파일(services/x.md, radar.md)
- 레이더 3건
- Meta와 Netflix는 신규 자료 없음
- 추적하는 X·Meta·Netflix에는 새 자료가 없었다. 대신 diffusion과 LLM 인텐트 증류를 합친 Xiaohongshu의 프로덕션 CVR 랭커 GateDiffInt를 레이더에 올렸다.
- 읽은 자료 1건
- 정본 반영 1개 파일(radar)
- 레이더 1건
- X For You 랭킹 단계가, Phoenix 랭킹 모델이 서빙 중에 계산한 재순위용 slate context를 그대로 받아 쓸 수 있게 됐다. 이 경로를 켜는 게이트의 기본값은 false다.
- 읽은 자료 2건
- 정본 반영 2개 파일(services/x.md, radar.md)
- 레이더 1건
- X의 랭킹 모델 Phoenix 학습이 Adam에서 Muon optimizer로 전환됐다. 이 저장소가 반영해 온 프로덕션 recsys 학습 파이프라인에서 Muon 채택을 코드로 확인한 첫 사례다.
- 읽은 자료 2건
- 정본 반영 2개 파일 (services/x.md, services/netflix.md)
- 레이더 0건
- X가 어제 정본에 반영한 광고 브랜드 안전 V2의 마이그레이션 로직을 하루 만에 지우고 판정 방식을 다시 설계했다. 이제 V2 라벨이 하나라도 있으면 V2로, 없으면 V1으로 판정한다.
- 읽은 자료 1건
- 정본 반영 1개 파일(x.md 11개 절)
- 레이더 0건
- X가 광고 브랜드 안전 판정에 V2 경로를 나란히 추가하고, 성인 컨텐츠 판정이 엇갈리면 Grok 4.5에게 다시 묻게 했다. 심판이 반대하면 hard 판정은 soft로 낮아진다.
- 읽은 자료 2건: X 커밋 1건(4세대+2), arXiv triage 30건 중 통과 1건(SDF)
- 정본 반영 1개 파일(x.md 7개 절 갱신)
- 레이더 갱신 1건(Google Discover SDF 신규 등록)
- Meta 엔지니어링 블로그 0건(마지막 관련 글은 2026-08-05, 정본에 이미 반영)
- Netflix 테크 블로그 0건(마지막 글은 2026-08-07이고 알고리즘과 무관)
- X가 4세대 공개 다음 날 후속 커밋에서, 가중치는 행동 횟수가 아니라 예측 확률에 곱하는 값이라는 해석 규칙을 코드 주석에 밝혔다.
- 읽은 자료 1건(X 4세대+1 커밋 1개, Meta/Netflix 블로그 신규 0건, arXiv triage 30건 중 통과 1건 [DrEM])
- 정본 반영 1개 파일(x.md 9개 절 갱신, 출처 6건 추가)
- 다이어그램 갱신 1건(x-pipeline.svg 필터 17→18)
- 레이더 갱신 1건(DrEM 소속 확정, A/B 수치 반영)
- ⚠ 주장 대량 변경. X가 2026-08-13에 공개한 4세대 코드에서 랭킹 가중치가 처음으로 실제 값과 함께 나왔다.
- 읽은 자료 2건 (X 4세대 공개 1건
- arXiv triage 30건 중 관찰 1건)
- 정본 반영 1개 파일 (x.md 대폭 개정)
- 다이어그램 갱신 1건 (x-pipeline.svg)
- 레이더 갱신 1건
- ⚠ 주장 변경. Meta가 유기 피드의 온라인 서빙 경로에 LLM을 넣었다는 최초의 진술이 ConnectionMind 논문으로 공개됐다. Llama 3.1-8B가 헤비 유저 5–10%의 요청을 맡는다.
- 읽은 자료 3건 (정본 반영 2건, 레이더 1건)
- 정본 반영 3개 파일 (netflix.md
- facebook.md
- llm-in-recsys.md)
- 레이더 갱신 2건
- 추적하는 X·Meta·Netflix의 새 발표는 없었다. 대신 Alibaba와 Kuaishou가 같은 사흘 안에 낸 추천 논문 네 편이 프로덕션 진술을 담은 채 수용 기준을 통과했다.
- 읽은 자료 4건(모두 레이더 후보)
- 정본 반영 0
- 레이더 신규 2건, 오픈 스레드 갱신 2건
- 추적 서비스(X·Meta·Netflix)의 정본을 바꿀 만한 새 발표는 없었다. 대신 프로덕션 진술이 있는 arXiv 논문 두 편을 레이더에 올렸다.
- 읽은 자료 3건(모두 레이더 후보)
- 정본 반영 0
- 레이더 신규 2건과 오픈 스레드 갱신 1건
- Netflix는 LLM 랭커 GenRec의 서빙 인프라를, Meta는 광고 파운데이션 모델 GEM의 훈련 인프라를 공개했다. 둘 다 모델이 무엇인지가 아니라 그 모델을 어떻게 돌리는지를 설명한다.
- 읽은 자료 4건
- 정본 반영 4개 파일
- 레이더 2건
- 어제 인용 결함 3건 발견