當下，生成式AI與多模態大模型正推動推薦系統從“精準匹配”邁向“價值創造”。科技企業與開發者如何借力打造更智能、人性化的推薦系統？如何將大模型與經典推薦邏輯相融合？

10月25日，快手成功舉辦年度第二期技術沙龍，聚焦“生成式推薦系統新范式”。作為1024程序員節系列活動之一，本次沙龍吸引了數百位內外部工程師參加，并開放線上直播。

2024年以來，人工智能技術革命不斷深入，快手推出旗艦產品可靈AI，迅速躋身全球前列。可靈AI爆火，僅僅是快手AI戰略布局的冰山一角。

目前，快手已搭建起系列大模型矩陣，服務于內容生產、推薦、商業化、互動等全流程，如端到端生成式推薦系統OneRec；電商生成式搜索框架OneSearch；生成式強化學習出價范式G4RL；多模態大語言模型領域Kwai Keye-VL等。

作為最早將推薦算法引入內容分發的短視頻平臺，快手2014年即通過自研YCNN深度推理學習引擎、DNN推薦系統，率先將內容分發從“時間序”推進到“興趣序”。

過去數年，快手推薦系統歷經多次迭代，并不斷向生成式推薦系統演進和躍遷，這一過程背后的技術思考、路徑、挑戰與應對，對業界及眾多工程師而言極具分享與參考價值。

AI時代的快手技術躍遷         

技術沙龍現場，300余位算法領域精英匯聚一堂，主辦方則派出最強陣容，分享了生成式技術在快手推薦系統、電商搜索、廣告出價場景中的實踐與應用。

近年來，推薦技術從傳統的啟發式規則演進至深度學習模型，利用算力極大地提升了推薦的準確性。然而，與人工智能領域的快速變革相比，推薦系統近年尚未實現重大突破，帶來計算碎片化和優化不一致等問題。

2025年，快手提出端到端大模型推薦系統OneRec并全量上線，這套基于大模型的生成式推薦系統，是行業第一個工業級的推薦解決方案，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瑤從范式改革視角，以OneRec系統的提出為例解析了生成式技術如何重構推薦系統的底層邏輯及最新進展，為推薦系統在 AI 原生時代的突破提供了可復用的方法論與實踐啟示。

快手推薦大模型資深算法專家王詩瑤

AI時代，傳統推薦排序的范式與邏輯也在被重構。快手短視頻推薦算法鏈路機制策略技術負責人徐曉曉分享了對下一代推薦排序的思考，并詳解快手短視頻端到端多目標融合框架。她首次披露了快手設計并落地多目標融合排序機制框架的過程，以及如何厘清并創新性緩解了眾多現實挑戰，進而從數據層面實現了用戶體驗的顯著提升。

快手短視頻推薦算法鏈路機制策略技術負責人徐曉曉

傳統電商搜索采用級聯式架構，一旦第一層召回效果不佳，后續排序難以挽回。此外，系統還面臨冷啟動難、商品描述混亂、相關性弱等挑戰。

快手貨架電商搜索與推薦算法負責人楊一帆，分享了快手如何提出業界首個工業級部署的電商搜索端到端生成式框架OneSearch，以及搜索系統未來的技術演進方向。目前，該系統已在快手多個電商搜索場景中成功部署，每日服務數千萬用戶。

快手貨架電商搜索與推薦算法負責人楊一帆

在實時競價（RTB）廣告系統中，廣告出價模塊是連接廣告主需求與流量匹配的核心樞紐。廣告出價調控本質上是一個序列決策問題，出價技術過去經歷了從PID、MPC到強化學習的迭代。如今，生成式技術在如何迭代廣告出價體系？

快手商業化算法部客戶機制中臺中心負責人蔡慶芃，分享了快手出價技術的三代演進，以及如何提出生成式強化學習出價范式G4RL。

目前，快手已將這一技術全面應用于廣告系統，2025年至今推動廣告收入提升超過3%，并針對依賴高質量數據集以及難以和優化目標對齊的挑戰，分別提出GAVE和CBD算法。。

快手商業化算法部客戶機制中臺中心負責人蔡慶芃

生成式技術賦能背后

生成式技術如何改變“搜推廣”？未來1-3年生成式技術會有哪些新方向？下一代搜推廣人才的畫像是什么？

圓桌研討環節，快手推薦模型部排序模型技術負責人唐睿明在內的四位快手嘉賓，與中國人民大學高瓴人工智能學院教授徐君及香港城市大學副教授、賦勵青年學者趙翔宇，圍繞生成式技術在搜廣推領域的應用與展望展開思想碰撞。專家們一致認為，生成式AI作為一種范式創新，獲得收益的同時仍面臨不少挑戰，需要學界與業界共同努力，不斷提升效率和效果。

經過近15年深耕與沉淀，音視頻技術、大模型技術與推薦系統早已深度融入快手技術基因；AI戰略層面，快手則形成了“大基建、大模型、大應用"整體布局。

目前，快手已匯聚數千名工程師持續探索AI前沿領域。2025年，研發成果在國際頂級學術舞臺頻頻亮相：7篇論文入選自然語言處理（NLP）領域權威會議ACL2025，11篇論文入選深度學習領域頂級會議ICLR2025。

濃厚的工程師文化、年均百億級研發投入與豐富的業務場景，不僅為年輕工程師提供了成長機會，更推動快手大模型研發與應用進入爆發期。