목록 보기
흩어진 행동을 연결하다: 네이버 전 지면의 사용자 행동을 학습하는 추천 모델 개발기
AI

흩어진 행동을 연결하다: 네이버 전 지면의 사용자 행동을 학습하는 추천 모델 개발기

네이버 D2
네이버 D2
2026년 11월 16일

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

네이버 계열사 채용7건

채용 사이트에서 전체 보기

다음 읽기

#GPU 주제를 이어서 읽기

Ray를 활용한 GPU Util 100% MLOps: 배치처리부터 모델 서빙까지

Ray를 활용해 GPU Util 100% 배치 처리와 확장 가능한 모델 서빙 아키텍처를 소개했습니다. Ray Serve와 vLLM 기반 LLM 추론 파이프라인 및 운영 사례도 다뤘습니다.

네이버 D2
네이버 D2
AI
전체 보기

댓글 0개

댓글을 작성하려면 로그인이 필요합니다.

댓글을 불러오는 중...