生成式AI与多模态大模型的快速发展，正推动推荐系统从传统的“精准匹配”向“价值创造”转型。如何利用这些前沿技术打造更智能、人性化的推荐系统，成为科技企业和开发者关注的焦点。10月25日，快手举办年度第二期技术沙龙，以“生成式推荐系统新范式”为主题，吸引了数百位内外部工程师参与，并同步开放线上直播。
作为短视频领域较早引入推荐算法的平台，快手自2014年起便通过自研YCNN深度推理学习引擎和DNN推荐系统，将内容分发从“时间序”升级为“兴趣序”。近年来，随着人工智能技术的深入发展，快手推出旗舰产品可灵AI，并在全球范围内取得领先地位。目前，快手已构建起覆盖内容生产、推荐、商业化、互动等全流程的大模型矩阵，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。
推荐技术从启发式规则到深度学习模型的演进，显著提升了推荐的准确性。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、优化不一致等问题。2025年，快手推出行业首个工业级端到端大模型推荐系统OneRec并全量上线，将算法推荐从多阶段分层筛选模式，全面转向大模型生成新阶段。快手推荐大模型资深算法专家王诗瑶在沙龙上分享了OneRec系统的范式改革，解析了生成式技术如何重构推荐系统的底层逻辑，为行业提供了可复用的方法论。
在推荐排序领域，传统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详细介绍了下一代推荐排序的思考，并首次披露了多目标融合排序机制框架的设计与落地过程。她指出，通过厘清并缓解现实挑战，快手从数据层面实现了用户体验的显著提升。
电商搜索领域同样面临技术革新。传统级联式架构存在召回效果不佳、冷启动难、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，以及搜索系统的未来演进方向。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（RTB）系统的核心枢纽——广告出价模块，正经历技术迭代。快手商业化算法部客户机制中台中心负责人蔡庆芃介绍了出价技术的三代演进，并分享了生成式强化学习出价范式G4RL的提出与应用。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的挑战，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睿明等四位嘉宾，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，围绕生成式技术在搜广推领域的应用与展望展开讨论。专家们认为，生成式AI作为范式创新，虽带来显著收益，但仍需学界与业界共同努力，以应对效率与效果提升的挑战。
