메뉴
BL
The Decoder • 35일 전

넷플릭스, 언어모델 기반 추천 시스템 'GenRec' 테스트

IMP
7/10
핵심 요약

넷플릭스가 수년간 다듬어온 기존 추천 엔진 대신 언어 모델 기반 추천 시스템 GenRec을 실험한 결과, 훨씬 적은 학습 데이터로도 더 나은 성능을 얻었다고 발표했습니다. 사용자 시청 이력을 텍스트로 변환해 파인튜닝된 오픈 웨이트 모델이 한 번에 후보 콘텐츠를 평가하는 방식으로, 오프라인·온라인 A/B 테스트 모두에서 유의미한 개선을 확인했습니다. 이는 맞춤형 아키텍처에서 범용 언어 모델로의 전환 흐름을 보여주는 사례입니다.

번역된 본문

넷플릭스, 수제 추천 로직의 대안으로 언어 모델 테스트

주요 포인트

  • 넷플릭스는 언어 모델 기반 추천 시스템 'GenRec'을 구축했으며, 훨씬 적은 학습 데이터로 기존 방식을 능가하는 성능을 보였다.
  • 이 시스템은 정교하게 수작업으로 설계된 특징(feature)에 의존하지 않고 사용자 행동을 일반 텍스트로 변환한다.
  • 파인튜닝된 오픈 웨이트 모델이 해당 이력을 분석하고, 일괄 처리로 모든 매칭 콘텐츠의 점수를 매긴다.
  • 오프라인 테스트와 실제 사용자 대상 라이브 A/B 실험 모두에서 추천 품질의 측정 가능한 개선이 확인되었다.
  • 넷플릭스는 이를 맞춤형 아키텍처에서 범용 언어 모델로 향하는 더 큰 전환의 일부로 보고 있다.

넷플릭스는 오래된 자사 추천 엔진과 언어 모델을 겨뤄보고 더 나은 결과를 얻었다고 밝혔다. GenRec이라 불리는 이 시스템은 기존 시스템이 필요로 했던 레이블된 학습 데이터의 극히 일부만으로도 성능을 달성했다.

넷플릭스 기술 블로그에 따르면, 현재 넷플릭스 추천 시스템은 사용자, 콘텐츠, 상호작용에 관한 수천 개의 수작업 특징에 의존한다. 이러한 복잡성 때문에 게임, 라이브 포맷, 팟캐스트 같은 새로운 콘텐츠 유형을 추가하거나 넷플릭스 인터페이스의 새로운 영역으로 확장하는 데 비용이 많이 든다.

하지만 기성 언어 모델도 추천용으로는 아직 부족하다. 인기 콘텐츠에 과도하게 치우치고, 카탈로그에 없는 콘텐츠를 지어내며(할루시네이션), 비즈니스 규칙을 무시한다. GenRec은 이 간극을 메우기 위해 설계되었다.

넷플릭스는 자체 모델을 두 단계로 학습시킨다. 첫째, 공개되지 않은 오픈 웨이트 언어 모델을 넷플릭스 데이터로 파인튜닝해 카탈로그와 사용자 행동을 이해하도록 만든다. 그다음 두 번째 전문 학습 단계를 통해 이 기반 모델을 추천 랭커로 변환한다. 이 두 번째 단계는 새로운 콘텐츠와 변화하는 선호도를 반영하기 위해 더 자주 업데이트된다.

시청 이력이 일반 텍스트가 되다

사용자 데이터를 조밀한 수치 벡터로 인코딩하는 대신, 넷플릭스는 이를 일반 텍스트로 변환한다. 재생, 시청 지속 시간, 좋아요/싫어요, 찜 목록 추가, 중도 이탈 등이 사용자와 추천 시스템 간의 일종의 대화 형태가 된다. 모델은 수작업으로 설계된 특징으로 명시해주지 않아도 장르 선호나 변화하는 관심사 같은 패턴을 스스로 파악한다.

모든 상호작용을 텍스트로 담으면 모델의 컨텍스트 윈도우를 초과하므로, 넷플릭스는 공격적으로 필터링한다. 긴 시청 세션 같은 신호가 강한 이벤트는 전부 유지하고, 짧은 탭이나 빠른 스크롤은 버리며 정주행 세션은 압축한다. 실제로 존재하지 않는 콘텐츠를 추천하지 않도록, 실제 카탈로그 항목만 평가하는 별도 컴포넌트를 추가했다.

GenRec은 vLLM 위에서, 모델이 입력을 한 번 읽고 텍스트를 생성하지 않은 채 한 번에 모든 후보의 점수를 매기는 모드로 실행된다. 이를 통해 비용을 관리 가능한 수준으로 유지한다.

작지만 통계적으로 확실한 개선

수년간 튜닝된 프로덕션 시스템과 비교해 GenRec은 오프라인에서 약 1.6% 더 나은 랭킹 품질을 보였다. 이를 달성하는 데 두 번째 학습 단계에서 필요한 레이블 예시는 약 40분의 1 수준이었다. 이 비교는 전체 학습 데이터가 아니라 이 특정 단계에 적용되는 수치다.

온라인 테스트에서 넷플릭스는 트래픽의 약 10%를 대상으로 4주간 A/B 실험을 진행했으며, 사전 계산되는 추천 영역으로 제한했다. 홈 화면에서의 사용자 행동을 추적하는 단기 지표는 0.115% 상승했고, 장기 핵심 지표는 0.006% 개선되었다. 넷플릭스에 따르면 두 개선 모두 우연으로 설명되기에는 너무 큰 수치다.

2단계의 추천 특화 파인튜닝은 기반 모델 성능 위에 추가로 35~50%의 향상을 더한다. 기반 모델이 이미 2주 지난 시점에는 이 격차가 약 80%까지 벌어지는데, 기반 모델이 새 콘텐츠와 변화된 선호도를 더 이상 반영하지 않기 때문이다.

원문 보기
원문 보기 (영어)
Netflix tests language model as alternative to hand-built recommendation logic Jonathan Kemper View the LinkedIn Profile of Jonathan Kemper Aug 22, 2026 Nano Banana Pro prompted by THE DECODER Key Points Netflix built GenRec, a language-model-based recommendation system that outperforms its existing methods while needing far less training data. The system converts user behavior into plain text instead of relying on elaborate hand-crafted features. A fine-tuned open-weight model analyzes that history and scores all matching titles in a single pass. Both offline tests and a live A/B experiment with real users showed measurable improvements in recommendation quality. Netflix sees this as part of a broader shift toward general-purpose language models and away from custom-built architectures. Ask about this article… Search Netflix pitted its years-old recommendation engine against a language model and says it got better results. The system, called GenRec, needed a fraction of the labeled training data the old system required. Netflix's current recommendation system relies on thousands of hand-crafted features about users, titles, and interactions, according to a blog post from the Netflix tech team . That complexity makes it expensive to onboard new content types like games, live formats, or podcasts, and to expand into new areas of the Netflix interface. But off-the-shelf language models aren't ready for recommendations either. They over-index on popular content, hallucinate titles that don't exist in the catalog, and ignore business rules. GenRec is designed to fill that gap. Netflix trains a proprietary model in two stages. First, an unnamed open-weight language model gets fine-tuned on Netflix data so it understands the catalog and user behavior. Then a second round of specialized training turns that base model into a recommendation ranker. This second stage gets updated more often to account for new titles and shifting preferences. Ad Watch history becomes plain text Instead of encoding user data as dense numerical vectors, Netflix converts it into plain text. Plays, watch durations, thumbs up or down, list additions, and drop-offs become a kind of dialogue between the user and the recommendation system. The model picks up on patterns like genre preferences or shifting interests on its own, rather than having them spelled out through manually engineered features. Ad A full text version of every interaction would blow past the model's context window, so Netflix filters aggressively. High-signal events like long watch sessions stay in full detail, while brief taps or quick scrolls get dropped and binge sessions get condensed. To keep the model from suggesting titles that don't actually exist, Netflix adds a separate component that only scores real catalog entries. GenRec runs on vLLM in a mode where the model reads the input once and scores all candidates in a single pass without generating any text. That keeps costs manageable. Ad Small gains, but statistically solid Compared to the production system that has been tuned over many years, GenRec delivered about 1.6 percent better ranking quality offline. It needed roughly 40 times fewer labeled examples in the second training stage to get there. That comparison applies to this specific phase, not to all training data. For the online test, Netflix ran a four-week A/B experiment on about ten percent of its traffic, limited to recommendation surfaces that get pre-computed. A short-term metric tracking user behavior on the home screen rose by 0.115 percent, and a long-term core metric improved by 0.006 percent. Both gains are too large to be explained by chance, according to Netflix. Ad The recommendation-specific fine-tuning in Phase 2 adds another 35 to 50 percent on top of the base model's performance. When the base model is already two weeks old, that gap widens to about 80 percent, because the base model no longer reflects new titles and changed preferences. Recommendation models go stale fast. Ad Context engineering replaces feature engineering Netflix sees GenRec as part of a broader shift that's also showing up in work like PLUM , GLIDE , and OneRec-Think . Instead of building custom architectures for every recommendation task, a single language model handles multiple use cases. The work shifts from building ever more features to deciding which signals belong in the model's input and how much of them to include. Infrastructure is moving toward GPU servers and LLM tooling as well. The Netflix team calls GenRec "an early but promising step" and describes the system as a strong alternative to traditional recommendation models. A full replacement of the existing system isn't on the table yet. Netflix has been using machine learning beyond its recommendation lists for years. Back in 2020, the company described how knowledge graphs and similarity maps predict which content category a planned title fits into and what audience numbers it might reach in each country. At the time, Google's BERT language model only processed human-written title summaries and fed machine-readable representations to downstream models. Netflix has also started building its own models for production workflows and sometimes releases them publicly, like the VOID framework for removing objects from video . AI News Without the Hype – Curated by Humans Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section. Subscribe now Source: Netflix Tech Blog
넷플릭스 추천시스템 언어모델 LLM 파인튜닝