메타 GEM, 광고 추천의 중앙 모델로 확장…실시간 예측에 지식을 옮기는 구조
메타가 GEM의 2026년 구조를 소개하며 여러 광고 지면·목표를 학습하는 중앙 기반 모델과 지식 전달을 강조했다. 회사가 보고한 광고 성과와 실제 배포 맥락 확대, 시험 가능한 인프라 규모는 서로 다른 수치다. Kunlun·LoopFM·Solaris와 훈련 설명을 대조해 대형 모델을 실시간 추천에 연결하는 방식을 살핀다.
“광고추천” 검색 결과검색 초기화2편
메타, 유휴 추론 자원으로 광고 후보·모델 적용 폭 조정…기본 서비스 보호 구조 공개
메타가 회수 가능한 유휴 추론 자원을 광고 추천에 활용하는 구조를 공개했다. RMA는 평가 후보 수를, SBM은 더 강력한 모델로 보내는 요청 비율을 조절한다. 자원이 줄면 추가 작업을 덜어내 기본 서비스에 부담이 넘어가지 않게 설계했다. 자원 구성·부하 분산·모델 계산·배분 정책이 함께 작동하며 결과를 단일 모델 효과로 볼 수는 없다.
