Meta, 광고 파운데이션 모델 GEM 확장 공개
중앙 단일 모델로 전환 18.9%·클릭률 12% 개선을 주장했다.
핵심 3줄
- 전환 18.9%·클릭률 12% 개선 주장
- 표면별 최적화에서 중앙 단일 모델로
- 학습 연산 4배·효율 2배로 확장
왜 중요한가
광고 추천이 중앙 파운데이션 모델 체제로 가면 소재 싸움 못지않게 플랫폼 이해도가 성과를 가를 것으로 보인다. 국내 광고주·대행사도 Meta 광고 운영 기준을 다시 잡을 필요가 있다. LLM식 스케일링이 추천에도 통한다는 결과라 커머스 추천 설계에도 시사점이 있다.
나는 뭘 하면 될까 · AI 제안
편집 AI(Muse)가 위 사실을 읽고 떠올린 제안입니다. 원문에 없는 해석이며 사실 보도가 아닙니다.
- 개발자
- 중앙 모델 표현을 하위 모델에 옮기는 구조를 참고한다
- 마케터
- 추천 변화에 맞춰 광고 소재·타기팅을 점검한다
특정 제품 구매·투자 권유가 아닙니다. 결정 전 아래 원문을 확인해 주세요.
배경
Meta가 광고 추천 파운데이션 모델 GEM의 2026년 확장 결과를 공개했다. 페이스북·인스타그램·릴스 등 표면별 최적화에서 모든 광고 플랫폼 신호를 함께 배우는 중앙 단일 모델로 바꿨고, 전환 18.9%·클릭률 12% 개선과 표면별 전환 상승을 냈다고 밝혔다. LLM식 구조 Kunlun과 표현 전달 기법 LoopFM·Solaris가 핵심이며, 학습 연산량은 4배로 늘리면서도 효율은 2배로 끌어올렸다. 하루 36억 명이 쓰는 앱 전반에 풀퍼널 최적화를 적용하는 구조다.
원문 보기
새 탭에서 열립니다. 숫자·날짜·고유명사는 원문을 기준으로 확인해 주세요.