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，本次沙龙吸引了三百多位工程师参加，并开放线上直播。学界与业界顶尖专家齐聚，全方位解读生成式技术在推荐系统、电商搜索、广告出价场景中实践与应用。
关注「快手技术」公众号，后台回复关键词“生成式AI”获取演讲PPT。
《OneRec: 重构推荐系统的智能边界与效率标准》
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。
《下一代推荐排序：快手短视频端到端多目标融合框架详解》
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
《让搜索“一步到位”！快手端到端生成式搜索框架OneSearch》
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
《生成式强化学习在广告自动出价场景的技术实践》
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。
近15年深耕与沉淀，音视频技术、大模型技术与推荐系统已深度融入快手技术基因；AI战略层面，快手则形成了“大基建、大模型、大应用"整体布局。
目前，快手已汇聚数千名工程师持续探索AI前沿领域。2025年，研发成果在国际顶级学术舞台频频亮相：7篇论文入选自然语言处理（NLP）领域权威会议ACL2025，11篇论文入选深度学习领域顶级会议ICLR2025。
浓厚的工程师文化、年均百亿级研发投入与丰富的业务场景，不仅为年轻工程师提供了成长机会，更推动快手大模型研发与应用进入爆发期。
左右滑动查看更多图片
