Netflix는 최근 추천을 수행하는 새로운 방법에 대한 연구 논문을 발표했습니다. 그들은 하나의 오픈 소스 AI 모델인 Qwen3을 가져와 자체 데이터에 맞게 미세 조정했으며, 누군가가 시청하기 전에 프로그램을 추천할 수 있습니다. 테스트에서 Netflix가 이전에 사용했던 모델보다 새로운 타이틀에서 77% 더 나은 성능을 보였습니다. 이 동영상의 내용: → '함께 구입'에서 임베딩 및 2타워 모델로 추천이 진화한 방식 → 콜드 스타트 문제 및 새로운 프로그램이 훨씬 늦게 시작되는 이유 → Netflix가 모든 프로그램에 라이브러리 호출 번호와 같은 4부분 코드를 제공하는 방법 → 모델이 시청 내역을 문장처럼 읽고 다음 프로그램을 작성하는 방법 → 실험: 코드를 한 번에 한 부분씩 작성하는 방법과 한꺼번에 모두 작성하는 방법 → 결과: 새 타이틀에서 77% 더 우수하고, 질문에 답하는 데 22% 더 우수합니다. 훈련 비용이 73% 저렴 → 추천이 다음 단계로 진행됨 출처: Netflix의 논문 "의미론적 ID를 사용한 개인화된 LLM 권장 사항: 업계 규모의 자동 회귀 빔 검색 및 다중 토큰 예측"(arXiv, 2026년 10월). 챕터 0:00 Netflix의 새로운 AI 추천기 1:00 Netflix가 구축한 것 1:21 추천이 어떻게 진화했는지 2:35 콜드 스타트 문제 3:01 Netflix가 수행하는 방법, 단계별 4:42 한 번에 한 부분씩 vs 한꺼번에 5:30 테스트 방법 및 결과 6:01 진행 상황 6:46 요약 링크 Netflix 문서: https://arxiv.org/abs/2610.15864 오픈 소스 프로젝트, 더 작은 카탈로그의 의미 ID: https://github.com/eugeneyan/semantic-ids-llm 모든 의견은 내 의견이며 내 고용주의 것이 아닙니다. #넷플릭스 #AI #추천시스템
