Pinterest는 광고 경량 랭킹을 위해 새로운 GPU 기반의 투 타워 모델을 개발했습니다. 이 모델은 성능과 서빙 지연 시간의 균형을 맞추기 위해 MMOE-DCN 아키텍처를 사용합니다. 경량 랭킹 단계는 다운스트림 모델을 위해 광고 후보를 효율적으로 좁힙니다. 이 새로운 아키텍처는 이전 MTMD 모델을 대체했으며 기능 업데이트를 포함했습니다. 그들은 CTR 예측을 위한 오프라인 손실을 5-10% 줄였습니다. 표준 광고와 쇼핑 광고의 추가적인 세분화는 손실 감소와 모델 반복 속도를 향상시켰습니다. 데이터 로더 최적화, 모델 코드 조정 및 훈련 구성 튜닝을 통해 훈련 효율성이 향상되었습니다. 평가는 KL 발산 손실을 사용했으며, 모델은 경매 낙찰자와 후보를 대상으로 평가되었습니다. 온라인 실험 결과 CPC가 크게 감소하고 CTR이 증가했습니다. 이 프로젝트는 오프라인 및 온라인 지표에서 상당한 개선을 가져왔습니다. 이러한 발전은 더 복잡하고 효율적인 모델을 통해 추천 시스템을 확장하는 데 있어 진전을 의미합니다. 이 프로젝트는 Pinterest의 여러 팀 간의 협업으로 이루어졌습니다.