cv usk(@cv_usk):TL;DR: 機能追加は簡単なのに機能削除だけ異常に大変という、推薦システム運用の「技術的負債あるある」。それを日次の自動化で解決した実運用フレームワークがPinterestから登場しました。タイトル: FORTE: A Production Framework for Feature Evaluation and Deprecation in Industrial Recommender Systems URL: https://t.co/HcG47EzaSO ポイント 🧩 特徴量追加は「指標が良くなればOK」、削除は「どの指標も悪化させてはいけない」という非対称な難しさがある ⏱️ 日次の摂動実験で特徴量の重要度・ランク安定性を自動追跡する 🧪 まとめて評価する「グループ摂動」で特徴量同士の相互作用も見逃さない 🚀 1モデル分の全実験を1回の分散推論にまとめ、300実験で54倍の実行時間削減 🔗 下流の全モデルを自動追跡するリネージ機能で、安全な削除範囲を特定 📉 Pin Rankerモデルでは8特徴量削除でパラメータ29.9%減、処理能力19.8〜25.5%向上、年間コストを数十万ドル規模で削減機能を「増やす」技術だけでなく「減らす」技術こそ、大規模な本番MLの持続可能性を支える重要なピースだと感じます。 #推薦システム #MLOps

2026.10.12 13:23

TL;DR: 機能追加は簡単なのに機能削除だけ異常に大変という、推薦システム運用の「技術的負債あるある」。それを日次の自動化で解決した実運用フレームワークがPinterestから登場しました。タイトル: FORTE: A Production Framework for Feature Evaluation and Deprecation in Industrial Recommender Systems URL: ポイント 🧩 特徴量追加は「指標が良くなればOK」、削除は「どの指標も悪化させてはいけない」という非対称な難しさがある ⏱️ 日次の摂動実験で特徴量の重要度・ランク安定性を自動追跡する 🧪 まとめて評価する「グループ摂動」で特徴量同士の相互作用も見逃さない 🚀 1モデル分の全実験を1回の分散推論にまとめ、300実験で54倍の実行時間削減 🔗 下流の全モデルを自動追跡するリネージ機能で、安全な削除範囲を特定 📉 Pin Rankerモデルでは8特徴量削除でパラメータ29.9%減、処理能力19.8〜25.5%向上、年間コストを数十万ドル規模で削減機能を「増やす」技術だけでなく「減らす」技術こそ、大規模な本番MLの持続可能性を支える重要なピースだと感じます。 #推薦システム# #MLOps#

Forward to community