当下，生成式AI与多模态大模型正推动推荐系统从“精准匹配”迈向“价值创造”。科技企业与开发者如何借力打造更智能、人性化的推荐系统？如何将大模型与经典推荐逻辑相融合？

10月25日，快手成功举办年度第二期技术沙龙，聚焦“生成式推荐系统新范式”。作为1024程序员节系列活动之一，本次沙龙吸引了数百位内外部工程师参加，并开放线上直播。

2024年以来，人工智能技术革命不断深入，快手推出旗舰产品可灵AI，迅速跻身全球前列。可灵AI爆火，仅仅是快手AI战略布局的冰山一角。

目前，快手已搭建起系列大模型矩阵，服务于内容生产、推荐、商业化、互动等全流程，如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；多模态大语言模型领域Kwai Keye-VL等。

作为最早将推荐算法引入内容分发的短视频平台，快手2014年即通过自研YCNN深度推理学习引擎、DNN推荐系统，率先将内容分发从“时间序”推进到“兴趣序”。

过去数年，快手推荐系统历经多次迭代，并不断向生成式推荐系统演进和跃迁，这一过程背后的技术思考、路径、挑战与应对，对业界及众多工程师而言极具分享与参考价值。

AI时代的快手技术跃迁

技术沙龙现场，300余位算法领域精英汇聚一堂，主办方则派出最强阵容，分享了生成式技术在快手推荐系统、电商搜索、广告出价场景中的实践与应用。

近年来，推荐技术从传统的启发式规则演进至深度学习模型，利用算力极大地提升了推荐的准确性。然而，与人工智能领域的快速变革相比，推荐系统近年尚未实现重大突破，带来计算碎片化和优化不一致等问题。

2025年，快手提出端到端大模型推荐系统OneRec并全量上线，这套基于大模型的生成式推荐系统，是行业第一个工业级的推荐解决方案，将算法推荐从多阶段、分层筛选模式，全面切换到端到端的大模型生成新阶段。

快手推荐大模型资深算法专家王诗瑶从范式改革视角，以OneRec系统的提出为例解析了生成式技术如何重构推荐系统的底层逻辑及最新进展，为推荐系统在 AI 原生时代的突破提供了可复用的方法论与实践启示。

快手推荐大模型资深算法专家王诗瑶

AI时代，传统推荐排序的范式与逻辑也在被重构。快手短视频推荐算法链路机制策略技术负责人徐晓晓分享了对下一代推荐排序的思考，并详解快手短视频端到端多目标融合框架。她首次披露了快手设计并落地多目标融合排序机制框架的过程，以及如何厘清并创新性缓解了众多现实挑战，进而从数据层面实现了用户体验的显著提升。

快手短视频推荐算法链路机制策略技术负责人徐晓晓

传统电商搜索采用级联式架构，一旦第一层召回效果不佳，后续排序难以挽回。此外，系统还面临冷启动难、商品描述混乱、相关性弱等挑战。

快手货架电商搜索与推荐算法负责人杨一帆，分享了快手如何提出业界首个工业级部署的电商搜索端到端生成式框架OneSearch，以及搜索系统未来的技术演进方向。目前，该系统已在快手多个电商搜索场景中成功部署，每日服务数千万用户。

快手货架电商搜索与推荐算法负责人杨一帆

在实时竞价（RTB）广告系统中，广告出价模块是连接广告主需求与流量匹配的核心枢纽。广告出价调控本质上是一个序列决策问题，出价技术过去经历了从PID、MPC到强化学习的迭代。如今，生成式技术在如何迭代广告出价体系？

快手商业化算法部客户机制中台中心负责人蔡庆芃，分享了快手出价技术的三代演进，以及如何提出生成式强化学习出价范式G4RL。

目前，快手已将这一技术全面应用于广告系统，2025年至今推动广告收入提升超过3%，并针对依赖高质量数据集以及难以和优化目标对齐的挑战，分别提出GAVE和CBD算法。。

快手商业化算法部客户机制中台中心负责人蔡庆芃

生成式技术赋能背后

生成式技术如何改变“搜推广”？未来1-3年生成式技术会有哪些新方向？下一代搜推广人才的画像是什么？

圆桌研讨环节，快手推荐模型部排序模型技术负责人唐睿明在内的四位快手嘉宾，与中国人民大学高瓴人工智能学院教授徐君及香港城市大学副教授、赋励青年学者赵翔宇，围绕生成式技术在搜广推领域的应用与展望展开思想碰撞。专家们一致认为，生成式AI作为一种范式创新，获得收益的同时仍面临不少挑战，需要学界与业界共同努力，不断提升效率和效果。