← 모든 소스

Meta Engineering 뉴스

Meta Engineering에서 수집한 AI·개발 최신 뉴스와 한국어 요약입니다.

원문 사이트 방문 →

Meta, ML 기반 컴퓨트 할당으로 광고 랭킹 성능 10% 향상

Meta가 ML 기반 컴퓨트 할당으로 광고 랭킹 성능을 10% 높였다

·2026.11.12 02시

Meta, 자연어 기반 'Your Algorithm'으로 Facebook 추천 제어 기능 출시

Meta가 자연어 기반 'Your Algorithm'로 Facebook 추천 제어 기능을 출시했다

·2026.11.11 02시

Meta, Blackwell GPU용 하드웨어 네이티브 GPU 컴파일러 확장 TLX 공개

Meta의 TLX가 Blackwell GPU에서 20-25% E2E MFU를 달성했다.

·2026.11.11 01시

Meta F3 Lightning, 광고 ML 기능 배포 시간 3.6배 단축

Meta F3 Lightning이 광고 ML 기능 배포 시간을 3.6배 단축했다.

·2026.11.04 02시

Meta Catching JiTTests, 2026년 상반기 74개 프라이버시 버그 탐지

Meta의 AI 테스트 시스템이 2026년 상반기 프라이버시 SEV를 20% 줄였다

·2026.10.30 01시

Meta Andromeda, 모델-시스템 공동 설계로 초당 10억 건 광고 처리 달성

Meta Andromeda가 MoE와 GPU 커널로 초당 10억 건 처리했다

·2026.10.29 01시

Meta PrivacyLib, 데이터 접근 경계에서 초당 수십억 건 프라이버시 검사 수행

Meta PrivacyLib가 초당 수십억 건의 프라이버시 검사를 처리하며 신규 요구사항 구현 기간을 수일 단위로 단축했다

·2026.10.28 01시

Meta, Prometheus 클러스터용 페타비트 규모 BAG 슈퍼 스파인과 Tahan 스위치 공개

Meta가 Prometheus 클러스터용 페타비트 규모 BAG 슈퍼 스파인과 Tahan 스위치를 발표했다

·2026.10.27 01시

Meta GenRecs Tokenization, 광고 전환율 0.35% 향상

Meta GenRecs Tokenization이 광고 전환율을 0.35% 높였다

·2026.10.20 01시

Meta, thin orchestrator 패턴으로 AI 에이전트 신뢰성 강화

1,300줄 라우터와 14개 에이전트가 데이터 설정 준비 시간을 1시간 미만으로 줄였다

·2026.10.20 00시

Meta, 1GW 규모 Prometheus 슈퍼클러스터로 Muse 모델 학습 지원

Meta의 Prometheus 슈퍼클러스터가 1GW 규모로 구축되어 Muse 모델 학습을 지원한다.

·2026.10.19 22시

추천Meta, AI 네이티브 엔지니어링으로 Forum 앱 8주 만에 개발

Meta, AI 에이전트 자율 개발로 Forum 앱 8주 만에 핵심 기능 완성

·2026.10.16 04시

Meta, GEM으로 전환율 18.9%·클릭률 12% 끌어올려

Meta의 GEM 모델이 전환율 18.9%, 클릭률 12% 개선을 달성했다.

·2026.10.14 01시

Meta, OCP 2026에서 IcePack 랙과 MetaRoCE 프로토콜 공개

Meta가 OCP 2026에서 IcePack 랙과 MetaRoCE 프로토콜을 공개했다.

·2026.10.13 06시

Meta, 유휴 AI 추론 용량 활용해 광고 추천 성능 강화

Meta가 유휴 추론 용량을 공유 풀로 집계해 추가 하드웨어 없이 광고 관련성을 개선했다.

·2026.10.13 01시

Meta, 전문가 지식을 영속화하는 '조직형 제2의 뇌' AI 에이전트 공개

Meta가 전문가 피드백을 모델 재학습 없이 반영하는 구조화된 지식 기반 AI 에이전트를 개발했다.

·2026.09.02 18시

사용자 시퀀스에서 스케일링 법칙까지: Meta 광고 랭킹을 위한 다단계 아키텍처

Meta가 오프라인 사용자 모델링과 온라인 랭킹을 분리한 시퀀스 학습 플랫폼을 개발했다.

·2026.08.06 04시

GEM 학습: Meta가 LLM 규모 광고 파운데이션 모델의 효율을 2배로 높인 방법

Meta가 광고 추천 파운데이션 모델 GEM의 학습 효율을 2배로 높이고 학습 연산량을 4배 확장했다.

·2026.08.04 03시

오픈 소스 커널 스케줄러를 통한 Meta 광고 서비스의 현대화

Meta는 sched_ext 프레임워크를 활용해 광고 워크로드에 최적화된 커널 스케줄러를 구축하여 지연 시간을 28% 줄이고 전력 효율을 높였다.

·2026.07.14 01시

Python을 향한 Meta의 10년 간의 헌신

Meta는 Python 생태계의 지속 가능성을 위해 Python Software Foundation(PSF)을 10년째 후원하며 기술적 투자를 이어가고 있다.

·2026.07.01 01시