當(dāng)下，生成式AI與多模態(tài)大模型正推動(dòng)推薦系統(tǒng)從“精準(zhǔn)匹配”邁向“價(jià)值創(chuàng)造”。科技企業(yè)與開發(fā)者如何借力打造更智能、人性化的推薦系統(tǒng)？如何將大模型與經(jīng)典推薦邏輯相融合？
10月25日，快手成功舉辦年度第二期技術(shù)沙龍，聚焦“生成式推薦系統(tǒng)新范式”。作為1024程序員節(jié)系列活動(dòng)之一，本次沙龍吸引了數(shù)百位內(nèi)外部工程師參加，并開放線上直播。
2024年以來(lái)，人工智能技術(shù)革命不斷深入，快手推出旗艦產(chǎn)品可靈AI，迅速躋身全球前列。可靈AI爆火，僅僅是快手AI戰(zhàn)略布局的冰山一角。
目前，快手已搭建起系列大模型矩陣，服務(wù)于內(nèi)容生產(chǎn)、推薦、商業(yè)化、互動(dòng)等全流程，如端到端生成式推薦系統(tǒng)OneRec；電商生成式搜索框架OneSearch；生成式強(qiáng)化學(xué)習(xí)出價(jià)范式G4RL；多模態(tài)大語(yǔ)言模型領(lǐng)域Kwai Keye-VL等。
作為最早將推薦算法引入內(nèi)容分發(fā)的短視頻平臺(tái)，快手2014年即通過(guò)自研YCNN深度推理學(xué)習(xí)引擎、DNN推薦系統(tǒng)，率先將內(nèi)容分發(fā)從“時(shí)間序”推進(jìn)到“興趣序”。
過(guò)去數(shù)年，快手推薦系統(tǒng)歷經(jīng)多次迭代，并不斷向生成式推薦系統(tǒng)演進(jìn)和躍遷，這一過(guò)程背后的技術(shù)思考、路徑、挑戰(zhàn)與應(yīng)對(duì)，對(duì)業(yè)界及眾多工程師而言極具分享與參考價(jià)值。
AI時(shí)代的快手技術(shù)躍遷
技術(shù)沙龍現(xiàn)場(chǎng)，300余位算法領(lǐng)域精英匯聚一堂，主辦方則派出最強(qiáng)陣容，分享了生成式技術(shù)在快手推薦系統(tǒng)、電商搜索、廣告出價(jià)場(chǎng)景中的實(shí)踐與應(yīng)用。
近年來(lái)，推薦技術(shù)從傳統(tǒng)的啟發(fā)式規(guī)則演進(jìn)至深度學(xué)習(xí)模型，利用算力極大地提升了推薦的準(zhǔn)確性。然而，與人工智能領(lǐng)域的快速變革相比，推薦系統(tǒng)近年尚未實(shí)現(xiàn)重大突破，帶來(lái)計(jì)算碎片化和優(yōu)化不一致等問(wèn)題。
2025年，快手提出端到端大模型推薦系統(tǒng)OneRec并全量上線，這套基于大模型的生成式推薦系統(tǒng)，是行業(yè)第一個(gè)工業(yè)級(jí)的推薦解決方案，將算法推薦從多階段、分層篩選模式，全面切換到端到端的大模型生成新階段。
快手推薦大模型資深算法專家王詩(shī)瑤從范式改革視角，以O(shè)neRec系統(tǒng)的提出為例解析了生成式技術(shù)如何重構(gòu)推薦系統(tǒng)的底層邏輯及最新進(jìn)展，為推薦系統(tǒng)在 AI 原生時(shí)代的突破提供了可復(fù)用的方法論與實(shí)踐啟示。
快手推薦大模型資深算法專家王詩(shī)瑤
AI時(shí)代，傳統(tǒng)推薦排序的范式與邏輯也在被重構(gòu)。快手短視頻推薦算法鏈路機(jī)制策略技術(shù)負(fù)責(zé)人徐曉曉分享了對(duì)下一代推薦排序的思考，并詳解快手短視頻端到端多目標(biāo)融合框架。她首次披露了快手設(shè)計(jì)并落地多目標(biāo)融合排序機(jī)制框架的過(guò)程，以及如何厘清并創(chuàng)新性緩解了眾多現(xiàn)實(shí)挑戰(zhàn)，進(jìn)而從數(shù)據(jù)層面實(shí)現(xiàn)了用戶體驗(yàn)的顯著提升。
快手短視頻推薦算法鏈路機(jī)制策略技術(shù)負(fù)責(zé)人徐曉曉
傳統(tǒng)電商搜索采用級(jí)聯(lián)式架構(gòu)，一旦第一層召回效果不佳，后續(xù)排序難以挽回。此外，系統(tǒng)還面臨冷啟動(dòng)難、商品描述混亂、相關(guān)性弱等挑戰(zhàn)。
快手貨架電商搜索與推薦算法負(fù)責(zé)人楊一帆，分享了快手如何提出業(yè)界首個(gè)工業(yè)級(jí)部署的電商搜索端到端生成式框架OneSearch，以及搜索系統(tǒng)未來(lái)的技術(shù)演進(jìn)方向。目前，該系統(tǒng)已在快手多個(gè)電商搜索場(chǎng)景中成功部署，每日服務(wù)數(shù)千萬(wàn)用戶。
快手貨架電商搜索與推薦算法負(fù)責(zé)人楊一帆
在實(shí)時(shí)競(jìng)價(jià)（RTB）廣告系統(tǒng)中，廣告出價(jià)模塊是連接廣告主需求與流量匹配的核心樞紐。廣告出價(jià)調(diào)控本質(zhì)上是一個(gè)序列決策問(wèn)題，出價(jià)技術(shù)過(guò)去經(jīng)歷了從PID、MPC到強(qiáng)化學(xué)習(xí)的迭代。如今，生成式技術(shù)在如何迭代廣告出價(jià)體系？
快手商業(yè)化算法部客戶機(jī)制中臺(tái)中心負(fù)責(zé)人蔡慶芃，分享了快手出價(jià)技術(shù)的三代演進(jìn)，以及如何提出生成式強(qiáng)化學(xué)習(xí)出價(jià)范式G4RL。
目前，快手已將這一技術(shù)全面應(yīng)用于廣告系統(tǒng)，2025年至今推動(dòng)廣告收入提升超過(guò)3%，并針對(duì)依賴高質(zhì)量數(shù)據(jù)集以及難以和優(yōu)化目標(biāo)對(duì)齊的挑戰(zhàn)，分別提出GAVE和CBD算法。。
快手商業(yè)化算法部客戶機(jī)制中臺(tái)中心負(fù)責(zé)人蔡慶芃
生成式技術(shù)賦能背后
生成式技術(shù)如何改變“搜推廣”？未來(lái)1-3年生成式技術(shù)會(huì)有哪些新方向？下一代搜推廣人才的畫像是什么？
圓桌研討環(huán)節(jié)，快手推薦模型部排序模型技術(shù)負(fù)責(zé)人唐睿明在內(nèi)的四位快手嘉賓，與中國(guó)人民大學(xué)高瓴人工智能學(xué)院教授徐君及香港城市大學(xué)副教授、賦勵(lì)青年學(xué)者趙翔宇，圍繞生成式技術(shù)在搜廣推領(lǐng)域的應(yīng)用與展望展開思想碰撞。專家們一致認(rèn)為，生成式AI作為一種范式創(chuàng)新，獲得收益的同時(shí)仍面臨不少挑戰(zhàn)，需要學(xué)界與業(yè)界共同努力，不斷提升效率和效果。
經(jīng)過(guò)近15年深耕與沉淀，音視頻技術(shù)、大模型技術(shù)與推薦系統(tǒng)早已深度融入快手技術(shù)基因；AI戰(zhàn)略層面，快手則形成了“大基建、大模型、大應(yīng)用"整體布局。
目前，快手已匯聚數(shù)千名工程師持續(xù)探索AI前沿領(lǐng)域。2025年，研發(fā)成果在國(guó)際頂級(jí)學(xué)術(shù)舞臺(tái)頻頻亮相：7篇論文入選自然語(yǔ)言處理（NLP）領(lǐng)域權(quán)威會(huì)議ACL2025，11篇論文入選深度學(xué)習(xí)領(lǐng)域頂級(jí)會(huì)議ICLR2025。
濃厚的工程師文化、年均百億級(jí)研發(fā)投入與豐富的業(yè)務(wù)場(chǎng)景，不僅為年輕工程師提供了成長(zhǎng)機(jī)會(huì)，更推動(dòng)快手大模型研發(fā)與應(yīng)用進(jìn)入爆發(fā)期。
