記事

Metaが語るFacebook Groups検索の刷新——Unicorn×セマンティック検索とMTMLランキングの中身

Metaは2026年4月21日、Facebook Groupsの検索を刷新した取り組みをEngineering at Metaで公開しました。語彙検索のUnicornと200Mパラメータのセマンティック検索を組み合わせたハイブリッド構成、MTMLランキング、Llama 3による自動評価までを解説しています。

Facebook Groups検索の何を変えたのか

Metaは2026年4月21日、Facebook Groupsの検索体験を刷新した取り組みをEngineering at Metaで公開しました。従来の課題として挙げられているのは、**コミュニティの知識を「見つけにくい」「読みにくい」「信頼しにくい」**という3つの摩擦で、今回の刷新ではこの3点すべてに手を入れています。

特に検索フロントの構造を見直し、語彙ベースの検索と意味ベースの検索を並列に走らせ、その結果を統合するハイブリッド構成へ移行しました。記事では検索基盤・ランキング・評価の各レイヤで具体的な仕組みが紹介されており、単なる機能追加ではなく仕組みの再設計に踏み込んだ内容になっています。

Unicornとセマンティック検索を組み合わせたFacebook Groups検索のアーキテクチャ概念図

画像引用元: Engineering at Meta

ハイブリッドなretrievalレイヤ

検索の土台となるretrievalレイヤは、2つの経路を並列で走らせる構成です。ひとつはMeta社内で長年使われてきた転置インデックス基盤Unicornによる語彙検索で、キーワードの厳密な一致を担います。もうひとつが12層・2億パラメータのセマンティックモデルによるベクトル検索で、クエリと候補を密ベクトルへ埋め込み、Faissを使った近似最近傍探索で意味的に近いコンテンツを拾い上げます。

2系統を併走させることで、単語の表記ゆれや言い換えに強いセマンティック経路と、正確なトークンマッチを担うUnicorn経路を補完的に活用できる設計です。どちらか一方に寄せず、両方のトップN候補を後段のランキングへ受け渡す点がポイントとされています。

MTMLで複数目的を同時最適化するランキング

retrievalで集めた候補は、Multi-Task Multi-Label（MTML）ランキングで一元的にスコアリングされます。MTMLはクリック・シェア・コメントなど複数のエンゲージメント指標を同一モデルで同時に最適化する枠組みで、各ラベルに対応する出力ヘッドを持つ構成が採られています。

このMTMLレイヤには、語彙経路の特徴量とセマンティック経路の特徴量の両方が入力されます。結果として、キーワードの一致度と意味的な近さに加え、投稿自体の盛り上がりや信頼度の高さを総合的に評価できる形になっています。ランキングの段階でハイブリッドを「混ぜる」ことで、Unicorn単体の時代には拾えなかった表現の揺れや、セマンティック単体では落としがちな固有名詞の精度を両立させる狙いです。

Llama 3を使った自動評価

興味深いのは評価パイプラインにもAIが導入されている点です。Metaはマルチモーダル対応のLlama 3を評価ジャッジとして使い、検索結果の関連性を段階評価しています。二値の「関連／非関連」ではなく、意味の近さや回答性の高さを複数段階で判定する設計です。

これにより、A/Bテストで動かしづらい粒度の改善（クエリの意図に沿う度合い、コミュニティの文脈への適合など）を、オフラインでも継続的に検出できる体制になっています。人手アノテーションを全量に適用することが難しい大規模検索では、LLMジャッジを評価の一次層に置くことが実装に踏み込むレベルで現実的になってきた、とも読める内容です。

取り組み全体で見えてくる方向性

検索体験を支える技術として語彙と意味の「二択」から「併用」へ移行し、ランキングで両者の特徴量を混ぜ、評価はLLMで継続的に回す——という流れは、Facebook Groupsに限らず汎用的な検索設計のトレンドとも言えます。Metaの記事でも、今後はランキング段階へのLLM組み込みや、クエリ難易度に応じて動的にretrieval戦略を切り替える方向を検討していると明記されています。

エンジニア視点では、Unicornのような既存のキーワード検索基盤を捨てずに、セマンティック経路を並列に足していくアプローチが参考になるポイントです。オフライン評価のコストと精度のバランスに悩むチームにとっても、LLMジャッジを評価レイヤへ組み込む実装例として読み応えがあります。

今週のAI基盤系アップデートとの位置づけ

同じ週には、NVIDIAとGoogle CloudがRubin世代GPUで提携を拡大し、Google Cloud Next 2026でエージェント基盤のGemini Enterprise Agent Platformも発表されています。基盤モデル側の発表が続くなかで、Metaは既存サービスのユーザー体験に直接効くレイヤでの取り組みを開示した形で、AIの実装地点がモデル・プラットフォーム・プロダクトの各層で同時に動いていることがうかがえます。