메타, 광고 추천 AI ‘GEM’ 신형 공개
최근 30일 조회수 — 좋아요 —핵심 요약
메타는 광고 예측을 통합한 GEM 신형으로 전환율 18.9%, 클릭률 12%를 개선했다고 발표했다.
메타(Meta)가 광고 추천용 생성형 AI 모델 GEM(Generative Ads Model)의 2026년형 구조와 확장형 컴퓨팅 엔진을 공개했다. 페이스북·인스타그램·릴스처럼 서비스별로 나뉘었던 예측 시스템을 중앙 기반 모델 하나로 통합하고, 광고 노출부터 클릭과 전환까지 함께 최적화하는 방식이다. 메타는 GEM이 전체 광고 영역과 목표에서 전환율을 18.9%, 광고 클릭률(CTR)을 12% 개선했다고 발표했다.1
GEM은 지난해 공개된 추천 시스템(RecSys) 기반 모델로, 대규모 언어 모델(LLM)의 설계 방식을 광고 추천에 적용했다. 새 버전은 메타 광고 플랫폼 전반의 데이터와 신호를 함께 학습한다. 메타에 따르면 자사 앱 가운데 하나 이상을 매일 쓰는 이용자는 36억 명이며, 기존에는 수십 개 광고 영역과 최적화 목표가 각각 독립된 예측 시스템을 사용했다. 중앙 모델은 이처럼 흩어진 학습을 합쳐 페이스북과 인스타그램을 비롯한 여러 영역의 클릭과 전환을 공동 예측한다.1
규모 확장의 핵심은 최신 GPU와 함께 설계한 LLM형 아키텍처 쿤룬(Kunlun)이다. 추천 모델은 특성이 제각각이고 데이터 분포가 계속 변해, 연산량·매개변수·데이터를 늘릴수록 성능이 예측 가능하게 향상되는 LLM의 스케일링 법칙을 그대로 따르기 어렵다. 메타는 쿤룬으로 더 크고 깊은 모델과 긴 이용자 행동 이력 학습을 지원했고, 이전 GEM보다 모델 복잡도를 2.5배 높인 최대 사전학습 규모에서 LLM과 비슷한 성능 향상 패턴을 관찰했다고 설명했다.1
다만 이 크기의 모델을 모든 광고 후보에 실시간 적용하면 비용과 지연시간이 커진다. 메타는 후처리 기법 루프FM(LoopFM)으로 GEM의 내부 표현과 과거 행동 기억을 실제 서비스 모델에 넘겼다. 이전 버전의 지식 증류와 결합해 추가 연산이나 지연 없이 지능 전달량을 두 배로 늘렸다는 주장이다. 탄력적 사전 연산 방식 솔라리스(Solaris)도 도입했다.1
지난 1년간 특정 이용자를 대상으로 측정한 추가 전환 상승 폭은 페이스북 5.8%, 인스타그램 4.1%, 외부 사이트 전환 1.6%였다. 다만 메타가 공개한 자료에는 18.9%와 12% 개선치의 구체적인 비교 기준과 표본 구성은 제시되지 않았다. 따라서 수치는 GEM의 적용 효과를 보여주는 회사 발표로 봐야 하며, 서로 독립된 외부 검증 결과는 아니다.1
Footnotes
읽기 목록은 이 브라우저에 저장됩니다.
출처
- Meta’s Generative Ads Model (GEM): Scaling the Central Model and Compute Engine for Frontier Ads AI — Meta Engineering
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.