흩어진 행동을 연결하다: 네이버 전 지면의 사용자 행동을 학습하는 추천 모델 개발기
두줄요약
검색·피드·광고 데이터를 연결하는 버티컬 추천 모델의 개발과 적용 경험을 소개합니다. 실시간 GPU 서빙 최적화와 지식 증류 기반 도메인 간 지식 전이를 다룹니다.
핵심 내용
- NAVER Engineering Day 10th 공개 세션의 버티컬 추천 모델 개발·서비스 적용 경험
- 검색·피드·광고 등 여러 도메인의 사용자 행동 데이터를 연결하는 크로스 도메인 추천
- 시퀀스 기반·생성형 추천 모델과 대규모 추천 모델의 실시간 추론 주제
구조와 흐름
- 리트리버와 통합 랭커로 구성된 VMs 시스템 구조
- 지면별 적용 현황과 성과, 서빙·최적화 과정
- Foundation Model 지식의 경량 모델 전이를 위한 Knowledge Distillation 방향
적용해볼 점
- 도메인 간 사용자 행동 데이터 기반 추천 모델 설계 관점
- GPU 서빙 최적화와 지식 증류를 활용한 대규모 추천 모델 운영 방향


