Transforming Ads Personalization with Sequential Modeling and Hetero-MMoE
Author: Diego Estrada, Lance Lin | Source: Uber Engineering | Published: 2026-03-10
한 줄 요약
Uber가 정적 집계 피처 대신 타겟 인지 트랜스포머와 이종 MMoE로 광고 개인화를 진화시킨 사례.
핵심 주장/내용
- Sequential Modeling: 정적 집계 대신 타겟 인지 트랜스포머(target-aware transformer encoder)로 시간적 역학 포착
- Hetero-MMoE: MLP, Deep Cross Network, Compressed Interaction Network 등 이종 expert를 혼합하여 저/고차 피처 상호작용 모두 포착
- Multi-hash embedding으로 고기수(high-cardinality) 피처의 파라미터 효율성 확보
- Multi-head Latent Attention(MLA)으로 O(N²) → 선형 복잡도 달성
- 참여도, 광고주 성과, 마켓플레이스 건전성 동시 최적화
관련 위키
Source: 원문 보기