生成式AI與多模態大模型的快速發展，正推動推薦系統從傳統的“精準匹配”向“價值創造”轉型。如何利用這些前沿技術打造更智能、人性化的推薦系統，成為科技企業和開發者關注的焦點。10月25日，快手舉辦年度第二期技術沙龍，以“生成式推薦系統新范式”為主題，吸引了數百位內外部工程師參與，并同步開放線上直播。

作為短視頻領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，將內容分發從“時間序”升級為“興趣序”。近年來，隨著人工智能技術的深入發展，快手推出旗艦產品可靈AI，并在全球范圍內取得領先地位。目前，快手已構建起覆蓋內容生產、推薦、商業化、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。

推薦技術從啟發式規則到深度學習模型的演進，顯著提升了推薦的準確性。然而，面對人工智能領域的快速變革，推薦系統仍存在計算碎片化、優化不一致等問題。2025年，快手推出行業首個工業級端到端大模型推薦系統OneRec并全量上線，將算法推薦從多階段分層篩選模式，全面轉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系統的范式改革，解析了生成式技術如何重構推薦系統的底層邏輯，為行業提供了可復用的方法論。

在推薦排序領域，傳統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計與落地過程。她指出，通過厘清并緩解現實挑戰，快手從數據層面實現了用戶體驗的顯著提升。

電商搜索領域同樣面臨技術革新。傳統級聯式架構存在召回效果不佳、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，以及搜索系統的未來演進方向。目前，該系統已在多個電商搜索場景中成功部署，每日服務數千萬用戶。

在廣告出價領域，實時競價（RTB）系統的核心樞紐——廣告出價模塊，正經歷技術迭代。快手商業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的提出與應用。2025年至今，該技術已推動快手廣告收入提升超過3%，并針對數據集質量和優化目標對齊的挑戰，提出了GAVE和CBD算法。

沙龍圓桌研討環節，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，圍繞生成式技術在搜廣推領域的應用與展望展開討論。專家們認為，生成式AI作為范式創新，雖帶來顯著收益，但仍需學界與業界共同努力，以應對效率與效果提升的挑戰。