넷플릭스가 수천 개의 수작업 특징 대신 언어모델 기반 추천 시스템 GenRec을 시험해 기존 추천 엔진보다 나은 성능을 확인했다. GenRec은 시청 기록과 맥락을 텍스트로 변환해 파인튜닝된 오픈소스 모델이 후보작을 한 번에 스코어링하는 방식으로, 오프라인 테스트에서 순위 품질이 약 1.6% 개선됐고 2단계 학습에 필요한 라벨 데이터는 40분의 1로 줄었다. 트래픽 10%를 대상으로 한 4주간 A/B 테스트에서도 단기·장기 지표가 통계적으로 유의미하게 상승했다. 넷플릭스는 이를 완전 대체가 아닌 범용 언어모델로의 전환 초기 단계로 보고 있으며, 특징 엔지니어링에서 맥락 엔지니어링으로 무게중심이 옮겨가고 있음을 시사한다.

• •GenRec은 시청 기록을 자연어 텍스트로 바꿔 파인튜닝된 오픈소스 언어모델로 추천 후보를 한 번에 스코어링한다.
• •오프라인 테스트에서 기존 시스템 대비 순위 품질이 약 1.6% 향상됐고, 2단계 학습용 라벨 데이터는 40분의 1 수준으로 감소했다.
• •트래픽 10% 대상 4주 A/B 테스트에서 단기 지표 0.115%, 장기 지표 0.006% 상승, 두 결과 모두 통계적으로 유의미했다.
• •존재하지 않는 콘텐츠를 추천하는 환각을 막기 위해 실제 카탈로그 항목만 채점하는 별도 컴포넌트를 추가했다.
• •넷플릭스는 GenRec을 PLUM, GLIDE, OneRec-Think 등과 함께 특징 엔지니어링에서 맥락 엔지니어링으로 넘어가는 흐름의 일환으로 본다.