Facebook

Facebook은 자료 상황이 X와 정반대다. 공개된 코드가 없다. 대신 Transparency Center의 AI system card(Meta가 지면마다 발행하는 랭킹 설명 문서)가 예측 헤드 이름과 개별 피처 문장을 그대로 나열한다. 예측 헤드는 모델이 행동마다 따로 내는 예측 출력이다. 실적발표(IR) 전사본은 랭킹 변경의 온라인 성과를 분기마다 숫자로 제시한다. 규제 제출 문서(EU 디지털서비스법, DSA)와 특허에는 블로그보다 구체적인 부분이 있다.

모델·인프라 계보(DLRM → DHEN → Wukong → HSTU → GEM)는 Facebook 전용이 아니어서 topics/로 옮겼다. 이 파일은 지면으로서의 Facebook만 다룬다.

한 줄 요약

Facebook Feed 랭킹에서 공개된 최신 정본은 2021년 구조다. 이 구조는 친구 그래프 조회, pass 0의 경량 모델 후보 축소, pass 1의 멀티태스크 선형 가중합, pass 2의 컨텍스트 다양성으로 이뤄진다 확인(인벤토리, 3-pass 구조). 그 위에서 비연결(추천) 콘텐츠 비중이 2021년 11.7%에서 2025 Q4 41.0%로 늘었다 확인(지면 구성 실측). 이 증가와 함께 랭킹 문제가 소셜 그래프 문제에서 순수 추천 문제로 이동했다.

↑ 목차

system card 인용의 유효기간 — 저장소 공통 주의

이 저장소의 Transparency Center system card 인용은 fb-feed가 2026-10-06 판(2026-10-07 렌더링)이고, 나머지 카드는 2026-08-09에 직접 읽은 것이다 관찰 2026-08-09, 2026-10-07. 다른 파일은 이 절을 링크하기만 한다. 여기서 전체는 services/와 topics/를 말한다.

• 재검증하려면 브라우저 렌더링이 필요하다. 카드 페이지는 client-rendered라 curl로는 본문이 나오지 않고, 자동 fetch를 간헐적으로 차단한다.
  • 2026-08-09 재시도에서 curl은 HTTP 400, WebFetch는 HTTP 429를 받았다.
• Meta는 카드를 changelog 없이 개정한다. 갱신일만 바뀌고, 무엇이 바뀌었는지는 남지 않는다.
• 따라서 카드에 기반한 주장은 전부 읽은 날짜 기준의 스냅샷이다. 인용할 때는 카드 갱신일과 이 저장소의 열람일을 같이 적어야 한다.
  • 예측 헤드 10종, 단계별 후보 수, 신호 50개, 카드 안의 부재 카운트가 여기에 해당한다.

↑ 목차

피드 지면

Facebook의 연결 콘텐츠와 비연결 콘텐츠는 별개의 두 AI 시스템이 다루고, 최종 피드는 두 시스템의 출력에 광고를 끼워 넣은 결과다 확인 Transparency Center — Our approach to explaining ranking (2023-12-31).

"a balanced combination of the outputs of both AI systems ... in addition to advertisements and additional product offerings such as groups and reels"

⚠ 이 문장은 Nick Clegg 2023 글 본문에 없다. 2026-08-09에 그 글의 전문을 받아 확인했다. 그 글을 이 인용의 출처로 쓰면 안 된다 관찰 2026-08-09. 검사한 코퍼스는 해당 URL 본문 1건이다.

Meta는 지면마다 별도의 system card를 발행하고, 이것이 지면 목록의 1차 출처다 확인 Our approach to explaining ranking, 2023~.

• Facebook Feed는 친구, 팔로우한 페이지, 가입한 그룹에서 온 연결된 콘텐츠만 다룬다. 카드가 이 범위를 스스로 밝힌다 확인.

  "Your feed might also include suggested content and advertisements. That content is not powered by the AI we describe in this system card"

• Facebook Feed Recommendations는 비연결 콘텐츠를 다룬다. 카드가 따로 있고, 예측 헤드 집합도 따로다.
• Facebook Reels는 세로 화면에서 한 건씩 소비하는 지면이다.
• Facebook Video는 2024년에 Reels, 롱폼, Live를 단일 풀스크린 플레이어로 통합했다 확인 Zuckerberg Q2 2024 IR.

  "This quarter we rolled out our full-screen video player and unified video recommendation service across Facebook -- bringing Reels, longer videos, and Live into a single experience."

• Facebook Feed Ranked Comments는 댓글 랭킹을 다루는 별도 카드다.
• Friends tab은 2025-03-27에 출시했고, 추천을 빼고 친구 게시물만 보여 준다 추정. Zuckerberg 본인 게시물이 1차 출처인데, 원문 URL을 확보하지 못했고 보도로만 확인했다.

지면 구성 실측 — Widely Viewed Content Report

2025 Q4 기준 미국 오가닉 Feed 조회의 41.0%는 비연결(추천) 콘텐츠이고, 친구 콘텐츠는 20.1%다 확인. Widely Viewed Content Report(WVCR)는 규제성 공개라 마케팅 문구가 아니다. 아래 표는 미국 오가닉 Feed 조회 비중이고 2025 Q4 기준이다 확인 WVCR.

• 외부 링크가 포함된 조회는 1.5%다 확인.

  "98.5% ... did not include a link to a source outside of Facebook"

• unconnected 비중은 2021 Q3 11.7%에서 2022 Q3 15.2%를 거쳐 2025 Q4 41.0%로 늘었다 확인.
• 2025 Q4 기준으로 "친구 소식"은 이제 Feed 조회의 5분의 1이다. 이 표 하나가 Meta 랭킹 문헌 전체가 어디에 초점을 두는지 설명한다.

AI 추천 비중 — Meta가 말하다 멈춘 지표

Meta는 2023년과 Q1 2024에 피드 콘텐츠 가운데 AI가 추천한 비중을 %로 밝혔다 확인. Q2 2024~Q1 2026 실적발표 전사본에는 이 % 지표가 다시 나오지 않고, 성과 지표가 time-spent 증분으로 바뀌었다 관찰 2026-08-09.

• 2023-06-29 글은 Facebook과 Instagram 피드의 AI 추천 비중을 밝혔다 확인 — ai.meta.com.

  "more than 20 percent of content in a person's Facebook and Instagram feeds is now recommended by AI"

• Zuckerberg는 Q1 2024에 Facebook 피드 포스트의 약 30%를 AI 추천 시스템이 전달한다고 말했다 확인.

  "about 30% of the posts on Facebook feed are delivered by our AI recommendation system. That's up 2x over the last couple of years. And for the first time ever, more than 50% of the content people see on Instagram is now AI recommended."

• Q1 2024 이후 이 % 지표는 다시 발표되지 않았다 관찰 2026-08-09. 이후 지표는 전부 time-spent 증분으로 대체됐다.
  • 검사한 코퍼스는 Q2 2024 ~ Q1 2026 실적발표 전사본 8건 전수이고, 그 안에서 해당 % 표현은 0회 나온다.
• 그래서 2026년에 유통되는 "Facebook 피드의 30%가 AI 추천" 류 수치는 2년 지난 값이다. WVCR의 41.0%(2025 Q4)가 더 최신이다.
  • 두 수치는 정의도 다르다. WVCR은 조회 기준이고, IR의 수치는 배포 기준이다. 둘을 섞어 쓰면 안 된다.

↑ 목차

후보 생성 (retrieval)

연결된 콘텐츠에는 ANN(근사 최근접 이웃 검색)이 없다 추정. 코퍼스가 이미 유저의 연결로 제한돼 있어서 임베딩 검색이 필요 없다 추정. 임베딩 retrieval은 전부 비연결 쪽에 몰려 있다 추정. 근거는 아래 인벤토리 정의와 pass 0 서술이 그래프 조회와 경량 모델의 후보 축소로만 이뤄진다는 점이다.

인벤토리

Facebook Feed의 인벤토리는 사용자와 연결된 친구, 그룹, 페이지가 공유한 삭제되지 않은 포스트 가운데 마지막 로그인 이후에 올라온 것이다 확인 How machine learning powers Facebook's News Feed ranking algorithm, 2021. 정의에 마지막 로그인 이후라는 시간 경계가 명시돼 있다.

"any non-deleted post shared with Juan by a friend, Group, or Page that he is connected to that was made since his last login"

같은 글은 규모를 이렇게 밝힌다 확인.

"more than 2 billion people (more than 1,000 posts per user, per day, on average)"

단계별 후보 수 — system card가 지면마다 다르게 서술한다

단계별 후보 수는 지면마다 카드에 다르게 적혀 있고, 비연결 콘텐츠를 다루는 Feed Recommendations 카드에는 수치가 없다 확인 각 system card.

• ⚠ Feed는 500 → 500으로 줄지 않는데, Video는 1,000 → 200으로 2단 축소한다. Meta 문서 자체가 지면마다 퍼널 형태를 다르게 서술한다.
• Reels의 10–100은 Feed의 500보다 한 자릿수 작다. 세로 스와이프로 한 건씩 소비하는 방식이라 슬레이트(한 번에 함께 보여 주는 아이템 묶음) 크기 자체가 작기 때문으로 보인다 추정. Meta는 이유를 쓰지 않았다.
• 2021 블로그는 pass 0을 경량 모델이 랭킹 대상 포스트 가운데 가장 관련 있는 약 500개를 고르는 단계로 설명한다 확인. 이렇게 하면 뒤 pass에서 더 적은 스토리를 high recall로 랭킹할 수 있다 확인.

  "a lightweight model is run to select approximately 500 of the most relevant posts for Juan that are eligible for ranking"

  "This helps us rank fewer stories with high recall in later passes"

비연결 콘텐츠 retrieval

비연결 콘텐츠의 retrieval은 백분의 몇 초 만에 수십억 건을 수천 건으로, 다시 수백 건으로 좁힌다 확인 — ai.meta.com, 2023.

"retrieval systems that take just hundredths of a second to narrow billions of pieces of content down to thousands and then to a few hundred"

• 같은 글에는 다음 표현이 있다: "a novel hierarchical deep neural retrieval architecture". 이 한 줄이 2024년 Andromeda를 거쳐 2026년 HILL/MoNN으로 이어지는 계보의 시작이다. 상세는 topics/embedding-retrieval.md에 있다.
• ⚠ 카드와 블로그가 충돌한다. 비연결 system card는 후보 수를 전혀 제시하지 않는데, 같은 시스템을 설명하는 블로그는 "billions → thousands → a few hundred"라고 쓴다. 두 문서가 서술하는 상세 수준이 서로 다르다.

Facebook Feed retrieval의 소스별 후보 수 분해는 1차 출처를 찾지 못했다(no primary source found) 추정. 검사한 코퍼스는 Transparency Center 시스템 카드 15종, engineering.fb.com·ai.meta.com·about.fb.com의 랭킹 관련 글, 실적발표 전사본이다. 랭킹 관련 글은 출처 목록에 있다. 이 코퍼스 안에 분해가 없다는 뜻이고, 미공개 문서까지 없다는 근거는 아니다. X가 후보 소스를 코드로 열거할 수 있는 것과 대조적이다(x.md 후보 생성 절).

↑ 목차

랭킹

2021년 엔지니어링 블로그에 따르면 Facebook Feed의 점수는 행동별 예측값에 개인화 가중치를 곱해 더한 값이고, 가중치는 설문을 바탕으로 정한다 확인(공개된 유일한 수식, 가중치 절). 2026-10-06 갱신판 Facebook Feed 카드에는 예측 헤드 10종과 시그널 50개가 실려 있다 확인(예측 헤드 절). 별도 페이지인 Our Approach to Facebook Feed Ranking(2025-06-11 갱신)은 예측을 사용 빈도 3단계로 나누고, 가중치 대신 이 빈도 계층만 공개한다 확인(같은 절). Facebook, Instagram, 광고 추천은 Q3 2025 발언 기준으로 별개의 트랜스포머 셋이 돌리고, 하나로 합치는 것은 진행 중인 목표다 확인(통합 모델 절).

공개된 유일한 수식

2021년 엔지니어링 블로그에는 아래 수식 두 개가 원문 그대로 실려 있다 확인 engineering.fb.com, 2021. 첫 줄은 피처로 행동별 예측값을 구하고, 둘째 줄은 그 예측값들을 가중합해 점수를 만든다.

Yijt = f(xijt1; xijt2; … xijtC)
Vijt = wijt1·Yijt1 + wijt2·Yijt2 + … + wijtk·Yijtk

• 첨자 i는 포스트, j는 뷰어(유저), t는 시점, k는 예측 태스크다 확인. 원문은 이렇게 쓴다: "for each post i, we estimate Yijt", "the characteristics of the post X_it toward viewer j at time t".
  • 가중치 w가 (i,j,t)로 인덱싱되므로 포스트별·유저별·시점별로 개인화된다.
• 본문은 선형 결합을 고른 이유를 직접 밝힌다 확인 같은 글. 사람들이 드물게 하는 행동은 예측값이 낮아 랭킹에서 저절로 작은 역할만 맡는다는 것이다.

  "Any action a person rarely engages in (for instance, a like prediction that's very close to 0) automatically gets a minimal role in ranking, as Yijtk for that event is very low."

• 수식에 숫자 가중치는 하나도 없다. 기호로만 쓴 수식이다 확인 같은 글.

가중치 w를 정하는 방법 = 설문

가중치 w는 사람들이 설문에서 더 의미 있고 시간을 쓸 가치가 있다고 답한 행동을 기준으로 정한다 확인 2021 블로그.

"the way we take each prediction into account for Juan is based on the actions that people tell us (via surveys) are more meaningful and worth their time"

"People with higher correlation gain more value from that specific event, as long as we make this method incremental and control for potential confounding variables."

설문 신호 자체는 서비스를 가로지르는 기법이라 topics/survey-signals.md로 옮겼다.

3-pass 구조

2021 블로그 기준으로 Facebook Feed 랭킹은 세 pass로 이뤄진다 확인. 경량 모델이 후보를 줄이고, 멀티태스크 신경망이 포스트마다 점수를 매기고, 마지막에 다양성 규칙 같은 컨텍스트 피처를 더한다 확인. integrity 처리를 어느 단계에 두는지는 문서마다 다르게 적혀 있다.

1. pass 0에서는 경량 모델이 인벤토리에서 약 500개를 고른다. 목적은 high recall이다 확인.
2. pass 1은 포스트마다 독립적으로 점수를 매기는 주 스코어링 단계이고, 멀티태스크 신경망을 쓴다 확인. 포인트와이즈(포스트를 하나씩 따로 채점하는 방식)다.

   "the main scoring pass, where each story is scored independently"

   "we score each post using multitask neural nets"

3. pass 2는 컨텍스트 단계다. 여기서는 피드 다양화를 돕도록 콘텐츠 유형 다양성 규칙 같은 컨텍스트 피처를 더한다 확인.

   "the contextual pass. Here, contextual features, such as content-type diversity rules, are added to help diversify Juan's News Feed."

• 2021 블로그는 integrity 처리를 랭킹 전 위치에서 모든 포스트에 적용한다고 쓴다 확인: "certain integrity processes are applied to every post".
• ⚠ integrity를 적용하는 단계가 문서마다 다르다.
  • 2021 블로그는 랭킹 전이라고 쓴다 확인.
  • fb-video 카드는 랭킹 후라고 쓴다 확인: "Certain integrity processes are applied to all results".
  • fb-feed 카드(2026-10-06 갱신판)는 integrity를 두 곳에 적는다 관찰 2026-10-07. 헤드리스 Chrome으로 영문 카드를 렌더링해 확인했다.
    • "Gather inventory" 단계에 따르면 위반 플래그가 붙은 포스트는 인벤토리 수집 단계에서 이미 빠진다.

      "gathers all potential posts shared by friends, Pages you follow and groups you've joined, which excludes posts flagged for going against our Community Standards."

    • "Leverage signals" 단계에서는 분포 축소형 integrity가 pass 0과 같은 단락에 있다. pass 0은 경량 모델로 약 500개를 고르는 단계다.

      "A lightweight model is run to select approximately 500 of the most relevant posts. The system also applies certain integrity processes to help reduce the distribution of problematic content."

  • 그래서 fb-feed는 "삭제형은 인벤토리, 감점형은 pass 0 부근"으로 읽는다 추정. 카드가 두 문장을 서로 다른 단계 제목 아래 둔다는 점이 근거다. 다만 카드는 감점형 integrity가 pass 1 점수에 들어가는지까지는 말하지 않는다.
  • 2026-08-09에 읽은 판(2026-06-24 갱신)에서는 integrity 문장 하나만 기록했다. 인벤토리 단계의 제외 문장이 10-06 갱신에서 새로 들어간 것인지, 그때 놓친 것인지는 판정할 수 없다. 비교할 이전 판 원문을 보관하지 않았고, Wayback도 2026-10-07에 응답하지 않았다.
• pass 1의 멀티태스크 신경망 구조는 1차 출처를 찾지 못했다(no primary source found) 추정. MMoE/PLE 계열인지, 타워가 몇 개인지 알 수 없다. 검사한 코퍼스는 출처 목록의 Meta 블로그와 시스템 카드 15종이다.

예측 헤드 — Facebook Feed system card

Facebook Feed 카드에는 예측 헤드 10종이 실려 있고, 헤드마다 시그널 5개씩 모두 50개가 붙어 있다 확인 fb-feed (최종 갱신 2026-10-06, 직전 판 2026-06-24). 헤드 수와 순서는 직전 판과 같다 관찰 2026-10-07 렌더링. 카드 문구의 요지를 차례대로 옮기면 아래와 같다.

1. scroll-past 여부
2. 포맷 선호를 반영한 scroll-past 여부. 같은 태스크를 맡는 별도 모델이 있다.
3. Story In Feed (SIF) skip 여부
4. video channel skip 여부
5. 'Interested' 클릭
   • 카드 문구: "How likely you are to click 'Interested' if the interested/not interested options are presented to you."
   • 시그널은 최근 180일 동안 Interested를 누른 작성자·포스트 목록, 현재 시각, 최근 30일 30초 이상 시청 횟수, 영상 길이다.
   • 'Show more'의 현재 이름이다. 이름 변경은 유저 컨트롤 표의 2025-03-11 항목에 있다.
6. Story 풀스크린 진입
7. like·reaction 목록 클릭
8. connection 게시물에 대한 deep/strong intent
9. 외부 링크 클릭과 그 사이트 체류시간. 외부 체류까지 예측 대상이다.
10. connection과 상호작용할 strong intent

부정 예측이 명시적으로 존재한다. Transparency Center 본문은 hide/snooze/unsubscribe·report·angry reaction 예측을 "분포를 낮추는" 방향으로 쓴다고 직접 서술한다 확인 Our Approach to Facebook Feed Ranking (최종 갱신 2025-06-11).

같은 페이지는 예측을 사용 빈도 3단계로 나눈다: Used most frequently / occasionally / less frequently. 이것은 X의 ModelWeights 목록에 대응하는 Meta판이고, 가중치 대신 빈도 계층만 공개한 형태다 확인.

비연결 카드의 예측 헤드는 다르다

비연결 콘텐츠를 다루는 Feed Recommendations 카드는 Facebook Feed 카드와 다른 예측 헤드를 쓴다 확인 fb-feed-recommendations. 헤드와 시그널에는 스크린샷, 다른 플랫폼에서의 비공개 공유, Messenger·WhatsApp 공유 이력이 들어간다 확인.

예측 헤드는 다음과 같다.

• 체류시간 예측
• share
• 'X' 클릭
• 체류시간 증가
• group 가입
• like
• 타 플랫폼 비공개 공유
• 스크린샷
• RSVP 클릭
• 'Show more'

시그널 가운데는 아래 항목이 눈에 띈다.

• 스크린샷이 명시적 positive다 확인 같은 카드.

  "List of the owners the user has screenshot their post in the last 180 days"

• 크로스앱 신호가 들어온다 확인 같은 카드.

  "How many times a user has shared posts on Messenger in the past 1 month"

  "Owners whose post the user has shared on whatsapp in the last 180 days"

• 위치 신호가 있다 확인 같은 카드.

  "Your approximate distance from the event in a post"

실제 피처 이름 (fb-feed 카드 발췌, 전부 확인)

fb-feed 카드는 랭킹 피처를 문장 형태로 공개한다 확인 fb-feed 카드. 포스트의 위치, 같은 유형 콘텐츠를 본 횟수, 친구 반응을 바탕으로 한 예측, 여러 길이의 시간 창이 보인다 확인.

• 포스트가 피드에서 놓인 위치가 피처다 확인: "At which position is the post located on your News Feed?"
• 최근 한 시간 동안 같은 콘텐츠 유형의 포스트를 본 횟수가 피처로 들어간다 확인. 다양성은 재순위 규칙이면서 랭킹 피처이기도 하다.

  "Number of times you have seen posts with the same content type (e.g. video, photo, etc) as the current post in the past hour"

• 같은 친구의 포스트를 빠르게 스크롤해 지나친 횟수가 피처다 확인: "Number of times you quickly scroll past the same friend's post in the past 7 days"
• 포스트가 조회된 횟수를 가중 집계한 피처가 있다 확인: "A weighted count of the number of times a post has been viewed in 2 hours."
• 친구들이 비슷한 콘텐츠에 얼마나 반응했는지를 바탕으로 상호작용 확률을 빠르게 예측하는 피처가 있다 확인. 이것은 모델 출력을 다시 피처로 넣는 구조, 즉 cascade를 뜻한다.

  "Quickly predicts how likely you are to interact with a post ... based on how much your friends have engaged with similar content"

• lookback 창(피처가 집계하는 과거 기간)이 1시간 / 2시간 / 1일 / 7일 / 14일 / 28일 / 30일 / 180일로 계층화돼 있다 추정. 근거는 2026-10-06 판 피처 목록에 반복해서 등장하는 창 길이다.
  • 2026-08-09에 읽은 판에서 기록한 "3개월" 창은 현재 판에 없다 관찰 2026-10-07.
• ⚠ 2026-08-09에 읽은 판에서는 다음 문장이 카드의 유일한 임베딩 피처였다: "An embedding to represent the viewer". 2026-10-06 판에는 이 문장이 없다 관찰 2026-10-07.
  • 그날 렌더링한 텍스트 전체에서 "embedding"이 0회 나온다. 현재 판의 시그널 50개는 집계 카운트·비율·시간 창 피처가 대부분이고, 위의 포스트 위치 피처와 친구 반응 기반 예측 피처도 이 판에 있다 관찰 2026-10-19 재렌더링.
  • 10-06 갱신에서 빠졌다고 본다 추정. 카드의 날짜가 바뀐 것은 이번 한 번뿐이다. 다만 이전 판 원문을 보관하지 않아 직접 비교하지는 못했다.
  • 카드에서 문장이 빠졌다고 해서 모델이 viewer embedding을 쓰지 않게 됐다는 뜻은 아니다. 카드는 "significant predictions" 일부만 싣는다.
• 2026-10-06 판의 "How to customize" 절에 Instagram 앱 설명 문단이 섞여 있다 관찰 2026-10-07.

  "You can click the Instagram logo on your home screen and then click on either "Following" or "Favorites" on mobile app. ... you won't see recommended content from instagram."

  • Facebook 카드에 Instagram 카드 문구가 복사돼 들어간 편집 오류로 보인다 추정. Facebook의 "See newest content first" 항목이 바로 뒤에 별도로 있다.

IR이 주는 온라인 성과 (전부 확인, 규제성 공개)

2025년 네 분기 실적발표는 모두 Facebook의 time spent나 조회 증가율을 숫자로 제시했다 확인.

freshness(same-day 비중)가 3개 분기 연속 별도 지표로 보고되므로, recency가 명시적 랭킹 목표로 승격됐다고 본다 추정.

ConnectionMind — LLM이 그래프 경로를 추론하는 랭킹 레이어 (2026-08 논문, 프로덕션 A/B)

ConnectionMind는 후보 스코어링과 리랭킹 자리에 붙는 그래프 경로 추론기다 확인 §6.1. 상위 5–10% 헤비 유저는 LLM이 경로를 온라인에서 직접 추론하고, 나머지 90–95%는 그 LLM이 오프라인에서 발굴한 meta-path(노드 유형을 잇는 경로 패턴)로 학습된 Student GNN이 서빙한다 확인 §6.1. 이 구조와 프로덕션 A/B 결과는 2026-08-10 논문에 실렸다 확인 ConnectionMind: Leveraging Social Networks and Large Language Models for Personalized Recommendation at Meta (arXiv 2608.10187).

⚠ 기존 주장을 바꿀 후보다. 유기 피드 랭킹의 온라인 서빙 경로에 LLM이 들어간다는 Meta 최초의 1차 진술이다. 상세는 topics/llm-in-recsys.md의 케이스 절에서 다루고, 여기서는 지면과 파이프라인 위치 관점만 짧게 적는다.

• 저자는 6명이다. Haoyu Han은 Michigan State 인턴이고, 나머지 5명은 Meta Platforms(Menlo Park) 소속이다 확인. 소속 각주에는 Meta 내부 팀명(Core Ranking / GenAI 등)이 없다.
• 논문은 지면 이름을 밝히지 않는다.
  • §3은 이렇게 쓴다: "large-scale personalized video recommendation in a social platform setting".
  • §6은 여기까지만 쓴다: "short-form video platform".
• Facebook(Reels 또는 통합 Video 지면)일 가능성이 가장 높다 추정. 근거는 셋이다.
  • 그래프 스키마가 User/Page/Item과 User–Group·Group–Item·Page–Item·Item–Item(Co-watch)이라, Groups와 Pages가 1급 관계다. Instagram과 Threads에는 Groups·Pages 스키마가 없다.
  • 주 지표가 watch time, video sessions, exposure이므로 비디오 피드다.
  • 2024 Q2 이후 Facebook Reels/롱폼/Live가 통합 video recommendation service로 묶였고, 이 통합 지면이 그래프 신호를 그대로 받는다.
• 다만 논문이 지면을 확정하지 않았으므로 서비스명으로 인용하면 안 된다. "Meta short-form video platform"으로 인용해야 한다.
• 서빙은 하이브리드다 확인 §6.1. 상위 5–10% 헤비 유저는 Llama 3.1-8B-Instruct가 그래프 경로를 온라인에서 직접 추론한다. 나머지 90–95%는 Student GNN이 서빙한다.
  • Student GNN은 그 LLM이 오프라인에서 발굴한 meta-path로 학습된다 확인 §6.1.

    "For this cohort, requests are routed to the full ConnectionMind LLM"

    "we employ an offline distillation pipeline. The LLM processes historical contexts to discover effective meta-paths"

  • 순수 retrieval도 순수 랭커도 아니고, 후보 스코어링과 리랭킹 자리에 붙는 경로 추론기다 확인 §6.1.
• 모델은 LLM이 JSON으로 그래프 경로를 출력하는 형태다 확인 §4.1.
  • 상태 s_d는 현재 경로, 다음 hop 후보 엣지, 짧은 텍스트 노드 프로필을 직렬화한 프롬프트다: "current paths, candidate next-hop edges, and compact textual node profiles".
  • LLM은 경로 확장과 아이템–경로 쌍, 두 요소로 된 구조화된 행동을 출력한다: "structured action with two components: path expansions and surfaced item–path pairs".
  • beam search나 constrained decoding은 명시적으로 쓰지 않고, format reward로 사후 검증한다(§4.3).
  • 학습은 SFT(BFS 최단경로 teacher-forcing)에서 GRPO로 이어진다.
  • GRPO 단계에는 format reward −1/+1, F1 기반 recommendation reward, step-wise shaping이 들어가고, 가중치는 α_rec=0.5·α_step=0.3·α_fmt=0.2다.
• 온라인 A/B는 수천만 유저를 대상으로 여러 주 동안 이어졌다 확인 §6.2.
  • Table 2가 주는 프로덕션 대비 상대 리프트는 Watch Time +0.43% ± 0.14%, Exposure +0.33% ± 0.08%, Video Sessions +0.22% ± 0.13%다.
• 오프라인 벤치마크는 Delicious와 Foursquare이고, 60/20/20으로 분할했다 확인 §5.1. Meta 데이터가 아니라 소셜 추천 문헌의 공개 벤치마크다.
  • 베이스라인은 GraphRec, DiffNet++, RecDIFF, BIGRec 등 소셜 계열뿐이고, LightGCN, PinSage, SASRec, HSTU는 없다.
• HSTU·GEM·LLaTTE 인용이 0건이다 확인 reference list.
  • 참고문헌에 Meta 내부 시스템(HSTU, GEM, MetaCLIP, LLaTTE, MARM)이 나오지 않는다.
  • Meta 소속 저자의 문헌으로는 Fan et al. 2019(GraphRec) 하나만 인용한다.
• 논문은 같은 회사의 다른 랭킹 라인과 어떤 관계인지를 설정하지 않는다. 별개 팀의 병렬 실험일 수도 있고 내부 정치 때문일 수도 있으나, 판정할 근거가 없다.
• 미공개 항목은 열린 질문으로 옮겼다. 공개되지 않은 항목은 아래와 같다.
  • 그래프 크기(노드·엣지 수)
  • 훈련 데이터 규모
  • 8B LLM의 hot-path latency와 QPS, GPU 비용
  • A/B 가드레일(광고 매출·integrity·negative effects)
  • per-cohort/country 분해
  • 베이스 GNN 아키텍처 상세

⚠ Meta 자체 문서끼리 맞는지 검사해야 한다. fb-feed 카드·fb-video 카드·fb-reels 카드 어디에도 "그래프 경로 추론 LLM"이 명시적 예측 헤드나 처리 단계로 나오지 않는다 관찰 2026-10-19. 이날 세 카드를 헤드리스 Chrome으로 다시 렌더링했고, 판은 fb-feed 2026-10-06, fb-video 2026-06-29, fb-reels 2026-06-19다.

통합 모델 — 아직 아니다

Facebook, Instagram, 광고 추천은 Q3 2025 발언 기준으로 별개의 트랜스포머 셋이 돌리고, 셋을 하나로 합치는 것은 진행 중인 목표다 확인. 타임라인은 제시되지 않았다. 널리 오해되는 부분이라 분명히 적어 둔다.

• Zuckerberg는 Q3 2025에 Facebook, Instagram, 광고 추천을 거대한 트랜스포머 셋이 돌린다고 말했다 확인. 셋은 별개이고 통합은 진행 중인 목표다. 타임라인은 제시하지 않았다.

  "there are three giant transformers that run Facebook, Instagram, and ads recommendations. ... we're also working on combining these three major AI systems into a single unified AI system"

• 이 목표의 원형은 Q2 2024 발언이다 확인.

  "I'd like to see us move towards a single, unified recommendation system ... We're not there"

• ⚠ 가장 헷갈리는 부분이다. Susan Li는 Q4 2025에 지면별 모델 통합과 back-end 개선이 함께 ad quality를 12% 올렸다고 말했다 확인.

  "After seeing strong success with the consolidation of Facebook Feed and video models in the first half of 2025, in Q4 we consolidated models for Facebook Stories and other surfaces into the overall Facebook model. This, along with a series of back-end improvements, drove a 12% increase in ad quality."

  • 문장에 "Facebook Feed"가 나오지만 성과 지표는 ad quality다. 이것은 광고 랭킹 모델을 지면별로 통합한 것이지, 유기적 Feed 랭킹의 통합이 아니다.
  • 12%는 모델 통합만의 효과가 아니다. 원문이 back-end 개선을 함께 원인으로 든다.
• 유기 콘텐츠와 광고의 플랫폼 공유는 Q4 2025 발언 기준으로 아직 검증 단계다 확인.

  "We're also going to start validating the use of ads signals and organic content recommendations as we continue to work towards having a more shared platform for organic and ads recommendations over time."

• 유기 쪽 연구의 명칭은 Q2 2025 발언에 나온다 확인: "cross-surface foundation recommendation models".

↑ 목차

재순위·다양성·필터

Facebook이 공개한 재순위 정보는 X와 비교하면 극단적으로 빈약하다: 알고리즘 이름(MMR/DPP), 감쇠 함수, 임계값 N이 전부 없다. 공개 수준의 차이 자체가 기록할 가치가 있다. 다양성은 포인트와이즈 스코어링 뒤의 별도 패스에서 적용되고(2021 블로그), fb-feed 카드에 적힌 구체 규칙은 콘텐츠 유형을 고르게 섞는다는 것 하나다 확인. 데모션 목록은 2025-07-02 갱신 페이지 기준으로 4개만 남았다 확인(데모션 절).

• 다양성이 적용되는 자리는 pass 2, 곧 포인트와이즈 스코어링 뒤의 별도 패스다 확인 2021. X의 post-selection 배치와 구조적으로 같다 추정.
• 유일한 구체 규칙은 콘텐츠 유형을 고르게 섞는 것이다. 예를 들어 영상 포스트를 연달아 여러 개 보여 주지 않는다 확인 fb-feed 카드.

  "tries to ensure that your Feed has a balanced mix of content types. That means, for example, you wouldn't see multiple video posts in a row"

• 이 규칙에 대응하는 피처가 실제로 있다. 실제 피처 이름 목록의 "same content type ... in the past hour"가 그것이다.
• listwise(아이템 목록 전체를 한 번에 보는) 예측이 존재한다 확인 ai.meta.com, 2023. 장기 사용자 가치를 최적화하기 위한, 노출 빈도의 개인화 조절 방법도 있다 확인 같은 글.

  "pointwise and listwise predictions"

  "personalized methodology for delivery frequency control to optimize for long-term user value"

• 작성자 다양성 규칙, dedup 규칙, 연속 제한 N은 1차 출처를 찾지 못했다(no primary source found) 추정. 검사한 코퍼스는 시스템 카드 15종과 engineering.fb.com/ai.meta.com 랭킹 글이다. 상세는 topics/feed-diversity.md에 정리했다.

상세한 비교는 topics/feed-diversity.md에 있다.

데모션 — 2025년에 대폭 삭제됐다

Facebook은 2021-09-23에 데모션 기준을 처음 공개했고, 현재 "Types of content we demote" 페이지(최종 갱신 2025-07-02)에는 4개만 남았다 확인. 원인은 2025-01의 정책 변경이다 확인. 이 저장소 규칙("2019년 논문이 오늘의 프로덕션이라는 보장은 없다")의 교과서적 사례다.

• 2021-09-23에 처음 공개했고, 3대 가치 기준으로 묶었다 확인 Sharing Our Content Distribution Guidelines.
  • 세 기준은 직접 피드백, 고품질·정확성 유인, 안전한 커뮤니티다.
• "약 24종"이라는 개수는 추정이다. 발표문에는 개수가 없고, 3개 그룹명만 실재한다. 2026-08-09에 재검증했다.
  • 이 수치는 당시 CDG(Content Distribution Guidelines) 목록 페이지에서 센 것으로 유통되며, 아카이브 캡처로 다시 확인해야 한다.
• 현재 "Types of content we demote" 페이지(최종 갱신 2025-07-02)에는 4개만 남았다 확인.
  • Clickbait Links
  • Engagement Bait
  • Fact-Checked Misinformation
  • Content Likely Violating Our Community Standards
• 개별 페이지와 인덱스 페이지는 404였다 관찰 2026-08-09. 직접 요청해 본 URL 4건에 한정된 관찰이다.
  • 개별 페이지 borderline-content/, low-quality-comments/, links-to-domains-and-pages-with-high-click-gap/, 그리고 인덱스 content-distribution-guidelines/ 자체가 404였다.
• "engagement-bait/, clickbait-links/는 살아있다"는 앞선 기록은 재현되지 않았다 추정. 2026-08-09에 아래 두 경로가 전부 404였다.
  • /features/approach-to-ranking/types-of-content-we-demote/{engagement-bait,clickbait-links}/
  • /features/approach-to-ranking/{engagement-bait,clickbait-links}/
  • 두 항목은 현재 types-of-content-we-demote/(200) 본문의 섹션으로만 존재하는 것으로 보인다.
• 원인은 정책 변경이다 확인 — More Speech, Fewer Mistakes. Joel Kaplan은 2025-01-07에 시스템이 위반 가능성을 예측해 강등하는 콘텐츠가 너무 많다며, 이런 데모션 대부분을 없애는 중이라고 썼다. 팩트체크된 콘텐츠의 데모션도 멈춘다고 했다.

  "we demote too much content that our systems predict might violate our standards. We are in the process of getting rid of most of these demotions."

  "stop demoting fact checked content"

• ⚠ Meta 자체 문서끼리 아직 맞지 않는다 확인. 2025-07-02에 갱신된 4개 페이지와 2025-04-25에 갱신된 7개 페이지가 동시에 서로 다른 목록을 게시하고 있다.
  • 4개 페이지는 여전히 "Fact-Checked Misinformation"을 demote한다고 쓰는데, Kaplan은 이를 중단한다고 했다.
• 문서에서 사라진 것이 시스템에서 사라졌다는 뜻은 아니다 추정. low-quality comment 데모션은 CDG에서 빠졌지만, fb-feed-ranked-comments 카드(2026-04-02)에는 예측 태스크로 살아 있다.

  "How likely a comment appears spammy, abusive, or policy-violating"

  "How likely the comment is high-quality and contributes positively to the conversation"

borderline content — 곡선과 개입

Zuckerberg의 2018년 글은 콘텐츠가 허용 경계선에 가까울수록 사람들이 평균적으로 더 많이 참여한다고 쓰고, 경계선 콘텐츠(borderline content)의 분포를 줄이는 개입을 밝혔다 추정. 현재 Transparency Center 서술은 2025-04-25 갱신판 기준으로 훨씬 약해졌고, 곡선 언급이 없다 확인.

• 출처는 Zuckerberg의 2018-11-15 글 "A Blueprint for Content Governance and Enforcement"다 추정. 원문 URL(facebook.com/notes/…)에는 현재 접근할 수 없고, 동시대 인용 재현으로만 확인했다.
  • 사람들이 나중에 싫다고 말하더라도, 콘텐츠가 허용 경계선에 다가갈수록 평균적으로 더 많이 참여한다고 썼다.

    "no matter where we draw the lines for what is allowed, as a piece of content gets close to that line, people will engage with it more on average — even when they tell us afterwards they don't like the content"

  • 차트 이름은 "Natural Engagement Pattern"이고, 개입은 경계선 콘텐츠에 페널티를 줘 분포를 줄이는 것이다: "penalizing borderline content so it gets less distribution".
  • 제거가 아니라 억제이며, 분포 곡선을 line 근처에서 하락하도록 뒤집는다.
• 현재 Transparency Center 서술은 훨씬 약화됐고 곡선 언급이 없다 확인 (2025-04-25 갱신).

  "If content ... doesn't violate the Community Standards, but might still be problematic or otherwise low-quality, Meta may reduce its distribution"

Click-Gap — 메커니즘은 명확, 현 상태 불명

Click-Gap은 웹 그래프에서 차지하는 자리에 비해 Facebook에서 나가는 클릭이 지나치게 많은 도메인을 찾는다 확인 Remove, Reduce, Inform, 2019. 2025년 현재 공개 가이드라인에서는 삭제됐다. 운용을 중단했는지는 알 수 없어 열린 질문으로 남긴다.

• 정의 원문은 아래와 같다 확인 같은 글.

  "Click-Gap looks for domains with a disproportionate number of outbound Facebook clicks compared to their place in the web graph"

  • 웹 그래프에서 in/out 링크가 많은 도메인은 중심에 있고, 적은 도메인은 주변에 있다 확인 같은 글.
• 대상은 Facebook 밖에서 쌓은 권위에 걸맞지 않게 News Feed에서 성공하는 도메인이다 확인 같은 글: "succeeding on News Feed in a way that doesn't reflect the authority they've built outside it".

clickbait / engagement bait — 살아있는 두 정의

Clickbait Links와 Engagement Bait는 2025-07-02 갱신 데모션 페이지에 남은 항목이고, 둘 다 정의가 공개돼 있다 확인(데모션 절).

• Clickbait Links는 잘못된 기대를 만들어 클릭을 유도하는 링크다 확인: "lure people into clicking ... by creating misleading expectations".
  • 수법은 3종이다.
    • withholding information
    • sensationalist phrasing ("You won't believe…")
    • punctuation(all caps, 과도한 느낌표)
• Engagement Bait는 구체적인 행동 요청이 아닌 목적으로 투표, 공유, 댓글 같은 참여를 명시적으로 요구하는 포스트다 확인.

  "Posts that explicitly request engagement (such as votes, shares, comments, tags, likes, or other reactions) for purposes other than a specific call to action"

• 2017년 탐지 방식은 팀이 포스트 수십만 개를 검토·분류한 데이터로 ML을 학습시키는 것이었다 확인 Fighting Engagement Bait, 2017.

  "Teams ... reviewed and categorized hundreds of thousands of posts"

  • 개별 포스트 데모션과 반복 게시자의 페이지 단위 데모션을 둘 다 적용했다 확인 같은 글.

정치 콘텐츠 — 억제 레이어를 랭킹 신호로 흡수

Meta는 2025-01-07에 팔로우한 사람과 Pages의 civic content를 피드의 다른 콘텐츠와 더 비슷하게 다루고, 명시적 신호와 암묵적 신호로 랭킹하겠다고 밝혔다 확인. 이 개인화 신호로 정치 콘텐츠를 더 추천하겠다고도 했다.

"we're going to start treating civic content from people and Pages you follow on Facebook more like any other content in your feed, and we will start ranking ... based on explicit signals (for example, liking a piece of content) and implicit signals (like viewing posts)"

"we will start recommending more political content based on these personalized signals."

2021년의 "civic content 일괄 억제"에서 개인화 랭킹으로 전환한 것이다. 같은 전환의 Threads 쪽 타임라인은 services/threads.md에 날짜별로 정리했다.

↑ 목차

광고 블렌딩

광고 블렌딩은 특허가 공식 블로그보다 훨씬 구체적이다. 특허는 이 영역에서 유일하게 기계적인 1차 출처다. 특허(2015년 출원, 2019년 등록)는 오가닉 스토리와 광고의 점수를 공통 단위로 바꿔 한 랭킹으로 정렬하고, 광고 간격을 개수나 픽셀 높이로 제한한다고 쓴다 확인. 널리 퍼진 Total Value 수식은 Meta 1차 출처가 없다 추정.

근거 특허는 US 10,345,993 B2 "Selecting content items for presentation in a feed based on heights associated with the content items"다 확인. Meta Platforms의 특허이고 출원 2015 / 등록 2019이며, 자매 특허는 US 9,729,495다 확인.

• 통합 랭킹: 오가닉 스토리와 광고의 점수를 공통 측정 단위로 바꾼 뒤, 하나의 랭킹으로 함께 정렬한다 확인 특허.

  "Scores associated with organic news feed stories and scores associated with advertisements are converted into a common unit of measurement, and advertisements and organic news feed stories are together ranked in a single ranking."

• 상단 버퍼: 광고 전에 오가닉 스토리들의 높이 합이 threshold distance를 넘어야 한다 확인 특허.
• 광고 간 간격: 광고 사이에 오가닉 스토리가 일정 개수 이상 있거나, 그 높이 합이 gap distance threshold를 넘어야 한다 확인 특허. 개수 기준과 픽셀 높이 기준 둘 다로 표현된다.

  "at least a threshold number of organic news feed stories are presented between advertisements"

  "a combination of heights of the organic feed stories exceeds a gap distance threshold"

• position discount: 위치에 따른 상호작용 감소를 예측한 값이고, 이 할인은 위에 놓인 후보들의 예측 높이 합에 따라 달라진다 확인 특허.

  "a predicted decrease in user interaction with a content item based on the position"

• 높이 예측 자체가 ML 모델이다 확인 특허. 콘텐츠 타입/언어/댓글 수와 클라이언트 화면 크기/OS/해상도/앱 버전으로 표시될 때의 높이를 예측한다: "the likely height of the content item when presented".
• 정리하면 Meta의 광고 인터리빙은 슬롯 인덱스가 아니라 픽셀 거리를 기준으로 한다. 이런 서술은 다른 어느 공개 자료에도 없다.

Marketing API 문서는 입찰 전략, 입찰가, 최적화 목표를 달성할 확률을 함께 따져 effective bid를 계산한다고 쓴다 확인 Marketing API: Bidding Overview. 공식 문서 쪽에서 유일하게 기계적인 서술이다.

"Facebook evaluates your bid_strategy, bid_amount, and the probability of acquiring your optimization_goal to calculate an effective bid"

⚠ 널리 퍼져 있는 Total Value 수식은 Meta 1차 출처가 없다 추정. 수식은 Total Value = Bid × Estimated Action Rate × Ad Quality 꼴이다. 검사한 코퍼스는 Marketing API 개발자 문서의 bidding·delivery 페이지와 Transparency Center 광고 관련 페이지다. 2차 출처들이 곱셈과 덧셈을 서로 다르게 쓴다. 수식으로 인용하면 안 된다.

⚠ "Ads Allocation in Feed via Constrained Optimization"(KDD 2020)은 LinkedIn 논문이다. Meta 근거로 쓸 수 없다.

ad load(피드에서 광고가 차지하는 비율)는 제품 문서로 공개되지 않는다 추정. 어닝콜에 "ad-load optimization"이 impression 성장 기여 요인으로 반복해서 언급되지만, 수치 분해는 없다 추정.

↑ 목차

콜드스타트

Facebook 콜드스타트의 공개 자료는 신규 콘텐츠 쪽이 훨씬 구체적이다. Facebook Reels를 대상으로 한 Epinet 논문은 노출 사용자 수로 콜드스타트를 정의하고, 리트리벌 단계에서 불확실성을 근사하고 Thompson Sampling을 쓴다 확인(신규 콘텐츠). 신규 유저 콜드스타트에 대한 Meta 공개 자료는 찾지 못했다 추정(신규 유저).

신규 콘텐츠 — 여기가 훨씬 구체적이다

Meta와 Stanford의 2024년 논문 Epinet for Content Cold Start가 Facebook Reels의 신규 콘텐츠 콜드스타트를 다룬다 확인 arXiv:2412.04484.

• 대상은 Facebook Reels이고, 하루 약 120M 유저다 확인 같은 논문.
• 콜드스타트 정의가 숫자로 나온다 확인: "videos which have been shown to fewer than 10,000 users".
• 방법은 epinet(epistemic NN)으로 불확실성을 근사하고 Thompson Sampling을 쓰는 것이다 확인.
  • 구조는 user tower와 item tower가 overarch로 이어지고, overarch는 base MLP와 epinet으로 이뤄진다 확인.
• 위치는 리트리벌 단계이고, 랭킹과 블렌딩보다 앞이다 확인: "at the proposal stage of recommendation".
• 5일 동안 온라인 A/B를 돌려 전 노출 구간 집계로 impression +17%를 얻었고, 저노출 구간에서는 like/impression과 완주/impression이 개선됐다 확인.
• 논문은 온라인 추천 시스템에 epinet을 적용한 최초 사례라고 주장한다 확인.

콜드스타트를 돕는 부수 장치도 공개돼 있다.

• Meta Interest Learner는 "few-shot learning"으로 신규 콘텐츠를 오디언스에 매칭한다 확인 (2023). 참여가 아주 적을 때도 가능하다고 덧붙인다: "even when there are very few engagements".
• SilverTorch의 스트리밍 인덱스 갱신이 사실상 신규 콘텐츠 콜드스타트 인프라다 확인. 모델 publish 주기와 freshness를 분리해, 메모리 안 모델의 특정 텐서만 제자리에서 갱신한다: "targeted updates in-place to the specific tensors in the in-memory model". 상세는 topics/model-freshness.md에 있다.

신규 유저

Facebook 신규 유저 콜드스타트에 대한 Meta 공개 자료를 찾지 못했다(no primary source found) 추정. 검사한 코퍼스는 시스템 카드 15종, engineering.fb.com·ai.meta.com·about.fb.com 랭킹 글, Epinet 논문이다. Instagram 쪽은 one-hop/two-hop 확장이 공개돼 있고, 상세는 services/instagram.md에 있다.

↑ 목차

피드백 신호

Facebook은 2015년과 2016년에 체류시간 신호를 도입하면서 정규화 방식까지 공개했다 확인(dwell time 절). 2026-10-13에는 Feed와 Reels 추천의 토픽을 직접 관리하고 자유 텍스트로 원하는 것을 적는 Your algorithm이 발표됐다 확인(유저 컨트롤). 반면 유통되는 MSI(meaningful social interactions) 포인트 표는 Meta 1차 출처가 없다 추정(MSI 절).

dwell time — 정규화 방식까지 공개했다

Facebook은 2015년에 스토리 체류시간을, 2016년에 외부 아티클 체류시간 예측을 도입하면서 연결 속도, 로딩 시간, 글 길이 편향을 어떻게 보정하는지 밝혔다 확인.

• 2015-06-12에 도입했고, 편향 보정을 명시한다 확인 Taking Into Account Time Spent on Stories.

  "Some people may spend ten seconds on a story because they really enjoy it, while others ... because they have a slow internet connection"

  • 해법은 개인 내 상대 비교다. 그 사람이 보는 다른 스토리 대부분보다 특정 스토리에 훨씬 오래 머무는지를 본다: "if people spend significantly more time on a particular story than the majority of other stories they look at".
• 2016-04-21에 외부 아티클의 체류시간 예측을 도입했다 확인 More Articles You Want to Spend Time Viewing.
  • 보정은 두 가지다. 로딩 시간을 세지 않고, 긴 글을 우대하지 않도록 상한 안의 체류시간만 본다.

    "We will not be counting loading time"

    "looking at the time spent within a threshold so as not to accidentally treat longer articles preferentially"

  • 길이 편향을 상한 클리핑으로 처리한다.
  • 그 이전부터 아티클을 클릭했다가 바로 돌아오는 행동을 clickbait 신호로 쓰고 있었다고 밝힌다: "clicked on an article and came straight back".

MSI (2018) — 발표문에 숫자가 없다

2018년 MSI 개편 발표문에는 숫자가 하나뿐이고, 효과는 3년 뒤에 공개됐다 확인. 유통되는 MSI 포인트 표는 유출 문서의 2차 보도에서 나왔고, Meta 1차 출처가 없다 추정.

• Mosseri는 2018-01-11에 대화와 의미 있는 상호작용을 일으키는 포스트를 우선하겠다고 발표했다 확인 Bringing People Closer Together.

  "we will prioritize posts that spark conversations and meaningful interactions"

  "inspire back-and-forth discussion in the comments"

  • 부작용도 스스로 예고했다. Pages의 도달, 영상 시청 시간, 유입 트래픽이 줄 수 있다는 것이다 확인.

    "Pages may see their reach, video watch time and referral traffic decrease"

• 발표문에 나오는 숫자는 하나뿐이다 확인: "live videos on average get six times as many interactions as regular videos".
• 효과는 3년 뒤에 공개했고, 이 변경으로 Facebook에서 하루에 쓰는 시간이 줄었다는 내용이다 확인 Clegg, 2021.

  "the change led to a decrease of 50 million hours' worth of time spent on Facebook per day"

• MSI 포인트 표는 Meta 1차 출처가 없다 추정. Haugen 유출 문서를 다룬 언론 보도의 2차 인용이다. CNN은 2021-10-27에, WaPo는 2021-10-26에, WSJ는 2021-09-15에 보도했다.
  • 보도된 표의 값은 like 1 / reaction·reshare 5 / RSVP 15 / significant comment·share 30, 같은 그룹 0.5, 모르는 사람 0.3, angry 1.5→0이다.
  • 인용할 때 반드시 "유출 문서 2차 보도"라고 밝혀야 한다.
• 다만 방향성은 Meta 자체 문서와 일치한다 추정. Transparency Center가 "angry reaction 예측은 분포를 낮춘다"고 직접 쓴다.

유저 컨트롤

Show more/less는 랭킹 점수를 일시적으로 올리거나 내린다고만 적혀 있고, 배수와 지속기간은 공개된 적이 없다 추정. 2026-10-13에는 토픽 직접 관리와 자유 텍스트 피드백이 발표됐다 확인.

• 배수도 지속기간도 공개된 적이 없다. "temporarily"만 있고 시간 단위는 없다 추정.

  • 검사한 코퍼스는 fb-feed 카드 본문, 2022-10-05 뉴스룸 글(2025-03-11 갱신본), ai.meta.com Show more/less 글 3건이다. 열람일은 2026-08-09다.
  • 미공개 문서까지 없다는 근거는 아니다.

• 다만 희소 신호를 일반화하는 방법은 공개돼 있다 확인 The new AI-powered feature designed to improve Feed, 2022.

  • 딥러닝으로 user/post 임베딩을 만들고, Like 데이터에서 transfer learning해 Show More/Less를 학습한다.
  • 의도가 "이 사람 덜 보기"인지 "자동차 주제 덜 보기"인지 같은 모호성은 모델이 해석한다.

• 2026-10-13에 "Your algorithm"이 발표됐다. Instagram·Threads 언급과 국가·일정 정보는 없다 확인. 발표된 기능에는 다음이 있다 확인(기능의 존재).

  • 점 세 개 메뉴 안에 Feed와 Reels 추천을 이끄는 토픽을 추가·관리하는 공간
  • 원하는 것과 원하지 않는 것을 적는 자유 텍스트
  • Interested/Not interested 뒤에 붙을 수 있는 후속 질문

  "LLMs can incorporate the interests, context, and intent behind natural language, unlocking an algorithm you can actually talk to." "Tell it what you want more or less of, and your recommendations respond in real time, adapting within the same session to reflect what matters to you right now." — Your Algorithm, Your Words, 2026-10-13 (뉴스룸)

• 세션 안 실시간 반영과 LLM 사용은 뉴스룸의 주장이고, 메커니즘 근거는 없다.

• 자유 텍스트를 LLM이 토픽이나 임베딩으로 바꿔 기존 랭킹에 조건으로 넣는 구조로 본다 추정. 글이 "freeform text together with everything we already understand"라고만 쓰고, 랭커 교체를 말하지 않는다.

• 같은 세션 안 반영을 명시한 것은 이 저장소가 읽은 Meta 자료 중 처음이다 확인(위 표의 문구 비교). 이전의 Show more/less는 "temporarily"라고만 적었다.

설문 신호

Facebook은 2019년에 "Is this post worth your time?" 설문을 도입했고, 2021-04에 inspirational / topic interest / negative(angry 다수 포스트) 3종을 추가했다. 설문은 Meta가 가장 깊게 공개한 영역이고 서비스를 가로지른다. 그래서 상세는 topics/survey-signals.md로 옮겼다.

↑ 목차

EU DSA — 미국 페이지에 없는 사실 3개

EU DSA 대응 문서에는 미국 페이지에 없는 사실이 세 가지 있다 추정. 이 가운데 non-profiling 옵션은 Meta 뉴스룸으로 확인된다 확인. 주제별 신호 차등과 system card 개수는 제3자가 호스팅한 PDF에서 나온 검증되지 않은 단서다 추정.

⚠ 아래 1·2는 검증되지 않은 단서다. 삭제하지 않고 등급만 내려 둔다. 추정 출처가 Meta 자체 사이트가 아니라 제3자(panoptykon.org)가 호스팅한 PDF이고, Meta 도메인의 원문 텍스트에는 2026-08-09에 도달하지 못했다. 그리고 이 저장소는 PDF에서 뽑은 수치와 인용을 신뢰하지 않는다. PDF 요약 도구가 없는 숫자를 만들어 낸 전력이 있다(services/threads.md 출처 절의 같은 주의). 재검증 전까지 1·2를 확인으로 인용하면 안 된다.

근거 문서는 Facebook DSA Systemic Risk Assessment의 p.27–28이다 추정. 평가기간은 2023-09~2024-08, 공개는 2024-11/12다.

1. 주제별로 신호 가중을 차등한다. 보고서는 민감한 주제에서 공유와 댓글이 분포에 미치는 역할을 줄인다고 쓴다 추정. 사실이라면 MSI 계열 신호를 주제별로 다르게 쓴다는 유일한 Meta 자체 진술이다 추정.

   "We reduce this risk by limiting the role of shares and comments in the distribution of sensitive topics."

   • 같은 문장이 Instagram 쪽 보고서에도 있다고 적어 뒀는데, 그쪽도 문서 직링크가 없다. services/instagram.md를 보라.
2. 보고서가 밝힌 recommender system card 수는 2023년 발표의 22개, 현재 인덱스의 30개(FB 15 + IG 10 + RL 5)와 다르다 추정.

   "we now have 15 recommender 'System Cards'"

   • 15는 DSA 추천 시스템에 한정한 개수로 보인다 추정.
3. non-profiling 옵션이 있다 확인 DSA 대응 발표, 2023-08-22. Stories와 Reels는 팔로우한 사람의 것만 시간순으로 볼 수 있고, 검색은 입력한 단어만으로 결과를 낸다.

   "users will have the option to view Stories and Reels only from people they follow, ranked in chronological order"

   "based only on the words they enter"

   • ⚠ Stories / Reels / Search만 열거하고 Facebook Feed 본체를 명시하지 않는다. DSA Art. 38은 최소 1개의 non-profiling 옵션을 요구한다.

DSA Art. 27이 요구하는 "main parameters" 전용 EU 문서는 따로 찾지 못했다(no distinct primary source found) 추정. Meta는 system card 세트 자체를 Art. 27 이행으로 제시하고 있다 추정.

이행의 실효성을 두고 다툼이 있다 추정. 2025-10-02, Amsterdam 지방법원은 앱을 실행할 때마다 알고리즘 피드로 되돌리는 것을 DSA가 금지하는 dark pattern으로 판단했다 추정. 이행강제금은 하루 €100,000(상한 €5M)으로 정했다 추정. 2025-12 항소심이 이를 유지했고, Meta는 2026-01에 항소를 대부분 철회했다 추정. 판결문 원본은 확인하지 못했고, 2차 보도를 바탕으로 정리한 것이다.

↑ 목차

이 서비스에서 나온 일반화 노트

2021년 엔지니어링 블로그 기준으로 Facebook Feed의 점수는 행동별 예측을 더하는 가중합이다 확인(공개된 유일한 수식). 특허 기준으로 광고는 오가닉 스토리와 공통 단위로 환산돼 한 랭킹에 들어간다 확인(광고 블렌딩). 다양성 규칙은 알고리즘 수준으로 공개되지 않았다 추정(재순위·다양성·필터).

• topics/multi-task-ranking.md: V = Σ w·Y(덧셈)와 Instagram Suggested Posts의 곱셈형을 대조한다. 같은 회사 안에서 결합 형태가 4종이다(음수항이 있는 덧셈을 따로 셀 때).
• topics/candidate-allocation.md: pass 0 후보 수 표를 정리했다. 광고는 별도 슬롯이 아니라 공통 단위로 환산한 뒤 단일 랭킹과 픽셀 간격 제약을 받는다.
• topics/feed-diversity.md: 다양성을 알고리즘 수준으로 공개하지 않는다는 사실 자체를 기록했다.
• topics/embedding-retrieval.md: EBR 2020 하이브리드 역인덱스 NN, SilverTorch, RankGraph를 다룬다.
• topics/survey-signals.md: 설문을 랭킹 신호로 쓰는 방법을 다룬다.
• topics/model-freshness.md: 지면별 재학습 주기를 다룬다.
• topics/sequence-transformer-ranking.md: HSTU / ULTRA-HSTU / LLaTTE를 다룬다.

↑ 목차

열린 질문

아래 질문은 Facebook 자료로 아직 답하지 못했다.

1. pass 1의 멀티태스크 신경망은 어떤 구조인가? MMoE/PLE 계열인지, 타워 수는 몇 개인지 알 수 없다. 1차 출처가 없다.
2. pass 2 다양성 규칙은 어떤 형태인가? 하드 슬롯 제약인지 점수 페널티인지 알 수 없다. 1차 출처가 없다.
3. value model weight w의 실제 스케일과 부호 범위는 어떠한가? "hide/report/angry는 분포를 낮춘다"는 방향만 공개돼 있다.
4. 연결 결과 500개와 비연결 결과 수백 개를 어떤 규칙으로 인터리브하는가? 두 시스템이 별개라고만 밝히고 있다.
5. HSTU가 Facebook Feed에 적용됐는가? 논문이 지면을 익명화("a large internet platform")했다. 현재 최선은 ULTRA-HSTU(2026)가 좁힌 표현이다: "a large-scale production video serving platform that reaches billions of users daily". ⚠ "video recommendation service"는 Zuckerberg Q2 2024 IR 문구이고, ULTRA-HSTU 문구가 아니다.
6. 2025-01 이후 실제로 몇 개 데모션이 제거됐는가? Meta 자체 페이지 두 개가 서로 어긋난다(4 vs 7).
7. Facebook Feed 본체에 DSA non-profiling 옵션이 있는가? 있다면 어떻게 구현했는지도 모른다.
8. Facebook 신규 유저 콜드스타트를 어떻게 처리하는가?
9. Click-Gap이 현재도 운용되는가?
10. 2026-03 Rewarding Original Creators on Facebook 글을 아직 읽지 못했다. originality 데모션의 현행 형태를 확인해야 한다.
11. ConnectionMind가 붙는 실제 지면은 어디인가? 논문이 지면을 밝히지 않는다. 그래프 스키마로 보면 Facebook Reels나 Video가 유력하지만 확정하지 못했다.
12. ConnectionMind의 서빙 비용과 latency는 어떠한가? 8B LLM이 헤비 유저 hot path에 들어간다는 진술은 있으나, QPS와 p99 지연, GPU 비용, SLO는 전혀 없다.
13. ConnectionMind는 HSTU/GEM/LLaTTE 계보와 어떤 관계인가? 논문에 인용이 0건이다. 같은 팀인지 별개 라인인지 판정할 근거가 없다.
14. fb-feed 카드 2026-10-06 갱신의 정확한 diff는 무엇인가? 이전 판 원문이 없다. viewer embedding 문장 삭제와 인벤토리 단계 integrity 제외 문장 추가 여부를 Wayback이 복구되면 확인한다.

↑ 목차

출처

Meta 공식 — 엔지니어링/뉴스룸

• How machine learning powers Facebook's News Feed ranking algorithm — 2021, 블로그. 수식과 3-pass의 유일한 1차 출처. ⚠ 같은 글이 /core-infra/ 슬러그로도 접근된다
• News Feed Ranking in Three Minutes Flat — 2018, 블로그. ⚠ engineering.fb.com/2018/05/22/… 경로는 404다
• Bringing People Closer Together (MSI) — 2018
• Taking Into Account Time Spent on Stories — 2015
• More Articles You Want to Spend Time Viewing — 2016
• Fighting Engagement Bait on Facebook — 2017
• Remove, Reduce, Inform (Click-Gap) — 2019
• Sharing Our Content Distribution Guidelines — 2021
• Incorporating More Feedback Into News Feed Ranking — 2021
• New Ways to Customize Your Facebook Feed — 2022 (2025-03-11 갱신)
• The new AI-powered feature designed to improve Feed — 2022
• How AI Influences What You See on Facebook and Instagram — 2023
• The AI behind unconnected content recommendations — 2023
• More Speech, Fewer Mistakes — 2025. 데모션 축소의 근거
• Your Algorithm, Your Words — 2026-10-13, 뉴스룸. 토픽 관리·자유 텍스트 피드백. 메커니즘 서술은 없다
• You and the Algorithm: It Takes Two to Tango — 2021. ⚠ 기계적 내용이 전혀 없다. 신호나 가중치의 근거로 쓸 수 없다

Transparency Center (규제 대응 1차 문서)

• Our Approach to Facebook Feed Ranking — 2025-06-11 갱신
• Our approach to explaining ranking (system card 인덱스)
• Facebook Feed (2026-10-06 갱신판을 2026-10-07에 렌더링해 읽음) · Feed Recommendations · Reels · Video · Ranked Comments
• Types of content we demote — 2025-07-02 갱신
• Reducing the distribution of problematic content — 2025-04-25 갱신
• Widely Viewed Content Report
• Regulatory and Other Transparency Reports
• ⚠ EU DSA Systemic Risk Assessment — Facebook — 2024, 규제 제출. 제3자(panoptykon.org)가 호스팅한 PDF이고 Meta 도메인의 원문 텍스트에는 도달하지 못했다. 이 저장소는 PDF 추출 수치를 신뢰하지 않으므로 이 문서 기반 주장은 전부 추정이다.

IR (규제성 공개 — 랭킹 성과 수치의 1차 출처)

• Q1 2024 · Q2 2024 · Q1 2025 · Q2 2025 · Q3 2025 · Q4 2025 · Q1 2026

특허·논문

• US 10,345,993 B2 — Selecting content items ... based on heights — 등록 2019, 특허. 광고 인터리빙의 유일한 기계적 출처
• Epinet for Content Cold Start — 2024, 논문(Meta와 Stanford). Facebook Reels에서 5일 온라인 A/B(실험 배포)를 했다
• ConnectionMind: Leveraging Social Networks and Large Language Models for Personalized Recommendation at Meta (arXiv 2608.10187) — 2026-08-10, 논문. Meta 최초의 유기 피드 온라인 서빙 경로 LLM 진술이다. Llama 3.1-8B가 헤비 유저 5–10%의 hot path를 맡고, Student GNN이 90–95%를 맡는다. 지면은 미공개("short-form video platform")

2차 (등급 하향 필수)

• CNN via KVIA — MSI 점수표 — 2021, 유출 문서 보도
• Washington Post — angry emoji 가중 — 2021
• TechCrunch — Zuckerberg 2018 borderline 노트 인용 재현 — 2018

↑ 목차