生成式AI與多模態(tài)大模型的快速發(fā)展，正推動推薦系統(tǒng)從傳統(tǒng)的“精準匹配”向“價值創(chuàng)造”轉(zhuǎn)型。如何利用這些前沿技術(shù)打造更智能、人性化的推薦系統(tǒng)，成為科技企業(yè)和開發(fā)者關(guān)注的焦點。10月25日，快手舉辦年度第二期技術(shù)沙龍，以“生成式推薦系統(tǒng)新范式”為主題，吸引了數(shù)百位內(nèi)外部工程師參與，并同步開放線上直播。

作為短視頻領(lǐng)域較早引入推薦算法的平臺，快手自2014年起便通過自研YCNN深度推理學習引擎和DNN推薦系統(tǒng)，將內(nèi)容分發(fā)從“時間序”升級為“興趣序”。近年來，隨著人工智能技術(shù)的深入發(fā)展，快手推出旗艦產(chǎn)品可靈AI，并在全球范圍內(nèi)取得領(lǐng)先地位。目前，快手已構(gòu)建起覆蓋內(nèi)容生產(chǎn)、推薦、商業(yè)化、互動等全流程的大模型矩陣，包括端到端生成式推薦系統(tǒng)OneRec、電商生成式搜索框架OneSearch、生成式強化學習出價范式G4RL等。

推薦技術(shù)從啟發(fā)式規(guī)則到深度學習模型的演進，顯著提升了推薦的準確性。然而，面對人工智能領(lǐng)域的快速變革，推薦系統(tǒng)仍存在計算碎片化、優(yōu)化不一致等問題。2025年，快手推出行業(yè)首個工業(yè)級端到端大模型推薦系統(tǒng)OneRec并全量上線，將算法推薦從多階段分層篩選模式，全面轉(zhuǎn)向大模型生成新階段。快手推薦大模型資深算法專家王詩瑤在沙龍上分享了OneRec系統(tǒng)的范式改革，解析了生成式技術(shù)如何重構(gòu)推薦系統(tǒng)的底層邏輯，為行業(yè)提供了可復(fù)用的方法論。

在推薦排序領(lǐng)域，傳統(tǒng)范式與邏輯也在被重構(gòu)。快手短視頻推薦算法鏈路機制策略技術(shù)負責人徐曉曉詳細介紹了下一代推薦排序的思考，并首次披露了多目標融合排序機制框架的設(shè)計與落地過程。她指出，通過厘清并緩解現(xiàn)實挑戰(zhàn)，快手從數(shù)據(jù)層面實現(xiàn)了用戶體驗的顯著提升。

電商搜索領(lǐng)域同樣面臨技術(shù)革新。傳統(tǒng)級聯(lián)式架構(gòu)存在召回效果不佳、冷啟動難、商品描述混亂等問題。快手貨架電商搜索與推薦算法負責人楊一帆分享了業(yè)界首個工業(yè)級部署的電商搜索端到端生成式框架OneSearch，以及搜索系統(tǒng)的未來演進方向。目前，該系統(tǒng)已在多個電商搜索場景中成功部署，每日服務(wù)數(shù)千萬用戶。

在廣告出價領(lǐng)域，實時競價（RTB）系統(tǒng)的核心樞紐——廣告出價模塊，正經(jīng)歷技術(shù)迭代。快手商業(yè)化算法部客戶機制中臺中心負責人蔡慶芃介紹了出價技術(shù)的三代演進，并分享了生成式強化學習出價范式G4RL的提出與應(yīng)用。2025年至今，該技術(shù)已推動快手廣告收入提升超過3%，并針對數(shù)據(jù)集質(zhì)量和優(yōu)化目標對齊的挑戰(zhàn)，提出了GAVE和CBD算法。

沙龍圓桌研討環(huán)節(jié)，快手推薦模型部排序模型技術(shù)負責人唐睿明等四位嘉賓，與中國人民大學高瓴人工智能學院教授徐君、香港城市大學副教授趙翔宇，圍繞生成式技術(shù)在搜廣推領(lǐng)域的應(yīng)用與展望展開討論。專家們認為，生成式AI作為范式創(chuàng)新，雖帶來顯著收益，但仍需學界與業(yè)界共同努力，以應(yīng)對效率與效果提升的挑戰(zhàn)。