Netflixのホームページは、コンテンツ発見のための高度にパーソナライズされ、構造化されたインターフェースです。従来、その生成は複雑な多段階パイプラインを伴っていました。GenPageは、新しいアプローチであり、単一の生成トランスフォーマーモデルを使用して、ホームページ全体を自己回帰的に構築します。このエンドツーエンドモデルは、ユーザーコンテキストをプロンプトとして受け取り、行、エンティティ、レイアウトを同時に生成します。主な目標には、レコメンデーションスタックの簡素化、強化学習によるページ全体の最適化の実現、スケーラビリティと柔軟性の向上などが含まれます。本番環境での課題には、リアルタイムサービングレイテンシ、エンティティのコールドスタート、モデルの鮮度維持が含まれていました。GenPageは、A/Bテストにおいてユーザーエンゲージメントの大幅な向上とサービングレイテンシの削減を示しました。データは、ユーザー情報を表すコンテキストトークンと、ホームページ構造のページトークンにトークン化されます。ドメイン固有のトークン化は、汎用的なテキストトークン化と比較して、計算効率とプロダクトコントロールを向上させます。ユーザー履歴、プロフィール、リクエストコンテキストがプロンプトを形成し、エンティティと行は生成されたページのトークンとして表されます。システムは、ユーザーフィードバックに基づいた報酬システムを使用して、レコメンデーションの価値を定量化し、トレーニングをガイドします。GenPageは、標準的なデコーダーオンリートランスフォーマーアーキテクチャを採用し、LLMライクなトレーニングレシピである事前トレーニングと事後トレーニングに従います。事前トレーニングでは、次のトークン予測を使用してモデルにホームページの言語を教え、その後、重み付きバイナリ分類または強化学習による事後トレーニングを行います。この生成アプローチは、Netflixホームページ全体の体験を最適化するための、より統合された直接的なパスを提供します。