AIToday
大規模言語モデルAIビジネス・産業Meta Engineering掲載日時: 2026年11月12日 4:01

広告配信の計算資源配分システムを公開

LINEで送る
広告配信の計算資源配分システムを公開

3つのポイント

  1. 何が起きたか

    Metaは広告リクエストごとの限界収益を予測し資源を移動させるIntelligent Deliveryの詳細を公開。2017年から2026年上半期までに広告ランキング性能を約10%押し上げた。

  2. なぜ重要か

    この改善はモデルやシステムの進歩に上乗せされるもので、Metaが有限の計算資源からより多くの広告性能を引き出せることを示す。広告依存の収益にとって重要だ。

誰に効くかこれは固定された計算資源とレイテンシ予算の下で大規模推薦モデルを運用する広告ランキングと機械学習インフラのチームに、そしてより良いランキングの広告の恩恵を受ける広告主にも影響しうる。改善がモデル規模だけでなく資源配分からもたらされることが増えているというシグナルだ。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

Metaの投稿は構造的な問題を提示している。広告ランキングモデルは、それを動かすハードウェアが追いつける速度を超えてLLM規模へと成長している。同じ計算資源の追加単位でも、面、ユーザーの意図、候補の品質、システム状態によって収益は大きく異なり、局所的な修正は全体最適には積み上がらない。Intelligent DeliveryはMetaの答えだ。リクエストごとの限界効用を見積もる機械学習層に、決定エンジンの階層を組み合わせる。決定エンジンはリージョン間でトラフィックを移し、Intel、AMD、ArmのCPUとNVIDIA、AMD、MTIAのアクセラレータの中から適切なチップにワークロードを割り当て、各ホストのどれだけをリクエストに与えるかを決める。

結果は累積値として示されている。オフラインのベンチマークで、最も効果の高い広告リクエストを特定する精度が従来の本番モデル比で約20%向上し、全体のランキング性能は約10%上乗せで改善した。Metaは構成の見つけ方の変化も説明する。手作業のエンジニアリングと制約付き最適化の手法から、ソースコードや設計文書、10年分の実験ログを読み、エンジニアの承認用に変更を提案するAIエージェントへと移行した。投稿によると、これにより最適化のループは数カ月から数週間に短縮された。

今後の部分は2つの未解決課題を指し示す。リクエスト理解と配信を単一のリアルタイムモデルに融合すること、そして配分のレバーをGPUに適応させることだ。GPUの容量は分割可能なCPU時間ではなく、固定されたブロック単位で供給される。どちらも、Metaが次の改善はモデルを大きくすることだけでなく、モデルをより効率的に運用することから来ると見込んでいることを示唆する。

よくある質問
Intelligent Deliveryはどの程度の性能改善をもたらしたか?
Metaによると、2017年から2026年上半期にかけて、主要な面でモデルとシステムの進歩に上乗せして約10%のランキング性能改善をもたらした。
AIエージェントは最適化作業にどの程度貢献しているか?
2026年上半期、エージェントはIntelligent Deliveryの最適化の約20%に貢献した。最も自動化された仕組みでは、エンジニアリング作業の約80%を担っている。
リクエスト理解層を支えるモデルは何か?
MetaのResource Core Modelは60億のスパースパラメータと2000万の密パラメータを持つ深層学習モデルを使用し、候補検索の前に一度実行される。
Meta Engineering元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

次の記事へNasdaq3%近く上昇、AI相場再燃