快手技术沙龙：生成式AI赋能搜广推系统新范式

随着生成式AI与多模态大模型技术的飞速进步，推荐系统正从传统的“精准匹配”模式向“价值创造”方向升级。如何借助这些前沿技术构建更智能、更贴近用户真实需求的推荐系统，已成为科技企业与开发者重点关注的领域。10月25日，快手成功举办年度第二期技术沙龙，围绕“生成式推荐系统新范式”展开深入探讨，吸引了数百位来自内外部工程师踊跃参与，并同步开放线上直播通道。

作为短视频行业较早引入推荐算法的平台，快手自2014年起便通过自研YCNN深度学习推理引擎和DNN推荐系统，将内容分发机制从“时间序”全面升级为“兴趣序”。近年来，伴随人工智能技术的深化发展，快手推出了旗舰级产品可灵AI，并在全球范围内取得领先优势。目前，快手已构建起覆盖内容生产、推荐分发、商业变现、用户互动等全流程的大模型技术矩阵，其中包括端到端生成式推荐系统OneRec、电商生成式搜索框架OneSearch、生成式强化学习出价范式G4RL等创新成果。

推荐技术从早期的启发式规则逐步演进至深度学习模型，显著提升了推荐的准确度。然而，面对人工智能领域的快速变革，推荐系统仍存在计算碎片化、优化目标不一致等现实难题。2025年，快手推出业界首个工业级端到端大模型推荐系统OneRec并实现全面上线，推动算法推荐从多阶段分层筛选模式，全面转向大模型生成式的新阶段。快手推荐大模型资深算法专家王诗瑶在沙龙上系统分享了OneRec体系的范式革新，深入解析了生成式技术如何重塑推荐系统的底层逻辑，为行业提供了可复用的方法论参考。

在推荐排序领域，传统范式与逻辑同样面临重构。快手短视频推荐算法链机制策略负责人徐晓晓详细介绍了新一代推荐排序的系统思考，并首次披露了多目标融合排序机制框架的设计思路与落地实践。她指出，通过厘清现实业务挑战并制定针对性解决方案，快手在数据层面实现了用户体验的显著提升。

电商搜索领域也在经历技术革新的浪潮。传统级联式架构存在召回效果不佳、冷启动困难、商品描述混乱等问题。快手货架电商搜索与推荐算法负责人杨一帆分享了业界首个工业级部署的电商搜索端到端生成式框架OneSearch，以及搜索系统未来演进方向。目前，该系统已在多个电商搜索场景中成功部署，每日服务数千万用户。

在广告出价领域，实时竞价系统的核心环节——出价模块，正在经历技术迭代的升级。快手商业化算法部客户机制中心负责人蔡庆范系统介绍了出价技术的三代演进历程，并分享了生成式强化学习出价范式G4RL的提出与实际应用。2025年至今，该技术已推动快手广告收入提升超过3%，并针对数据集质量和优化目标对齐等挑战，创新提出了GAVE和CBD算法。

沙龙圆桌研讨环节，快手推荐模型部排序模型技术负责人唐瑞明等四位嘉宾，与中国人民大学高瓴人工智能学院教授徐君、香港城市大学副教授赵翔宇共同围绕生成式技术在搜广推领域的应用与展望展开深度交流。专家们认为，生成式AI作为范式创新虽带来显著收益，但仍需学术界与产业界携手共进，以应对效率与效果提升的双重挑战。