推荐系统走向新范式 快手技术沙龙聚焦生成式推荐技术落地

近日，快手技术沙龙第四期在北京举办，本期沙龙以「快手生成式推荐技术的体系化演进——统一基座、池化预估与场景实践」为主题，围绕OneReason、Pool-Rec、OneSearch V2、GR4AD等核心技术实践，系统分享快手在生成式推荐领域的最新探索。

活动上，「快手探索者LLM-Rec挑战赛」正式发布。该赛事由快手与ACM SIGIR 2026联合举办，聚焦大模型与推荐系统融合，面向全球范围内各类院校的全日制在校学生开放，参赛者不限国籍、院校和专业。

快手探索者LLM-Rec挑战赛正式发布

活动上，快手基础大模型与应用部、推荐模型部负责人李晗正式发布「快手探索者 LLM-Rec 挑战赛」。赛事希望通过开放真实场景和前沿课题，进一步加速大模型与推荐技术的深度融合。快手鼓励参赛者将推荐模型与大语言模型的优势相结合，探索推荐系统迈向更高阶智能的可能路径，让更多优秀想法不仅停留在论文层面，更能够被验证、被实践、被看见。

OneReason：当推荐系统学会思考

OneRec系列生成式推荐模型已在多个业务场景中实现规模化落地，释放了next-token prediction框架下的Scaling收益。推荐系统下一阶段的关键问题，是如何让模型不仅“生成结果”，更能够“理解原因”与“完成推理”。

快手推荐模型部生成与排序模型负责人唐睿明分享了OneReason的核心思路：生成式推荐模型要进一步获得类似大语言模型深度Reasoning所带来的能力跃迁，需要面向推荐场景系统性构建推理能力。团队搭建了面向推荐任务的CoT数据体系，以激发模型在推荐过程中的真实推理能力；同时在推荐任务的RL阶段引入Reasoning数据飞轮，通过多轮迭代持续优化CoT质量，实现推荐场景中模型推理能力的大幅提升。

OneReason的探索，标志着生成式推荐正在从Scaling走向Reasoning，也为推荐系统在复杂场景下的决策能力升级提供了新的技术路径。

标签：