.png?table=collection&id=cbe6506e-1263-8358-a4d7-07ce62fcbb3f&t=cbe6506e-1263-8358-a4d7-07ce62fcbb3f)
快手RaG重塑推荐系统：从“找视频”到个性化“产视频”新时代
type
status
date
slug
summary
tags
category
icon
password
网址
过去十年来，推荐系统的核心逻辑一直可以被概括为一个“找”字。当用户打开APP，系统通过理解用户的历史行为和兴趣，从庞大的已有内容池中检索、排序并分发最合适的视频。这种“检索与排序”（Retrieve-and-Rank）的传统范式，支撑了短视频、信息流及广告推荐系统的高速增长。
然而，这种模式存在一个天然的上限：如果用户真正想看的内容，在现有的内容池里根本不存在呢？
为了打破这一瓶颈，快手在最新公开的论文中提出了全新的 Recommendation-as-Generation (RaG) 框架。这一系统直接将推荐系统的边界从“在已有内容里找答案”推向了“根据用户兴趣生成答案”的完全生成时代。这一前沿探索不仅代表了推荐系统的范式转移，也是大模型与人工智能技术在工业级场景下的一次深度融合。想要获取更多关于大模型与前沿技术落地的 AI资讯，欢迎访问我们的 AI门户。
从检索到生成：RaG重构推荐系统底层逻辑
在传统的推荐链路中，系统的工作流程是：分析用户画像与行为 -> 兴趣建模 -> 检索已有视频 -> 排序并分发。在这种机制下，推荐系统本质上只是一个“内容分发器”。
而快手提出的RaG框架，则将这一链路彻底重写为：用户画像与行为 -> 预测兴趣语义ID -> 生成视频生产指令 -> 个性化视频生成 -> 用户反馈闭环。
在RaG模式下，推荐模型不再仅仅预测“某个已有的视频是否适合用户”，而是去预测“用户真正想看的内容应该具备什么样的语义和创意形态”。这意味着，推荐系统开始从内容分发的末端，跃升成为内容生产链路的上游“大脑”。
这一转变带来了巨大的商业价值。在线A/B实验显示，完整的RaG系统在快手大规模广告系统中部署后，服务超过4亿日活用户，相较于强生成式推荐模型（GRM）基线，带来了+1.870%的广告收入提升。
D-SIDs与GRM：构建个性化语义的桥梁
要将推荐与视频生成无缝连接，并不是简单地将两个模型串联，而是需要解决“语义如何打通”的难题。为此，RaG引入了 D-SIDs（解耦语义ID） 与 GRM（生成式推荐模型）。
视频并不是单一维度的语义体。同一个商品，既可以拍成温情的生活短片，也可以拍成强促销风格的广告。如果将这些信息混为一谈，推荐模型就会受到干扰。RaG提出的D-SIDs将视频表征拆分为两个维度：
* Content SIDs（内容维度）：视频具体讲了什么，如商品、人物、动作、主题。
* Creative SIDs（创意维度）：视频怎么去表达，如风格、节奏、氛围、镜头语言。
通过基于大语言模型（LLM）构建的多模态表征，系统对这两类描述进行离散量化，最终拼接成一个完整的D-SIDs。实验表明，这种解耦方式使语义空间更加干净，碰撞率大幅降低。
在此基础上，GRM不再预测具体的视频ID，而是根据用户画像和历史行为，自回归地预测用户未来兴趣对应的D-SIDs。这一步的本质是，推荐结果从“内容池里的候选Item”升级为了“可供生成的内容意图”。
智能指令与多Agent协同：个性化视频的工业化生产
有了代表用户兴趣的D-SIDs后，如何将其转化为高质量的视频？RaG通过 Instruction Model（IM，指令模型） 和 Video Generation Agents（VGAs，视频生成智能体） 实现了工业化的端到端生产。
首先，IM负责把离散的语义ID翻译成视频生产的“说明书”。它能将D-SIDs和广告元数据转换为镜头级（shot-level）的视频生产指令，具体到每个镜头拍什么、转场如何设计、口播文案以及字幕何时出现。
接着，VGAs将视频生成过程拆解为一条多Agent协同的生产线：
1. Visual Agent（视觉智能体）：负责规划并生成连贯的视觉画面。
2. Audio Agent（音频智能体）：负责生成匹配的口播（TTS）与背景音乐（BGM）。
3. Effects Agent（特效智能体）：负责渲染字幕、贴纸、卖点强调和行动召唤（CTA）。
这三个Agent之间存在明显的依赖与协作关系，通过分层规划和自我修正机制，确保了跨模态的一致性，从而能够稳定输出高质量的个性化视频。
SCRL闭环优化与毫秒级延迟的工业部署
在数亿级日活的工业场景中，生成式推荐还面临着两个硬性挑战：如何保证生成视频的质量与用户反馈一致，以及如何解决视频生成的时间延迟。
为了解决质量与反馈的协同问题，RaG提出了 SCRL（协同跨域奖励学习） 框架。它将三类信号统一整合：
* 用户反馈奖励：包括点击、转化等真实商业反馈。
* 兴趣对齐奖励：确保生成的视频与GRM预测的兴趣语义高度一致。
* 视频质量奖励：把控画质、音画同步率及字幕特效的合规性。
SCRL将用户反馈作为主导方向，将兴趣对齐和视频质量作为约束底线，从而避免了多目标强化学习中的震荡，让视频质量与用户偏好在同一个闭环中协同演化。
在工程部署上，由于推荐系统要求毫秒级响应，而视频生成通常需要秒级甚至分钟级，RaG采用了“在线兴趣建模 + 近线视频生成 + 缓存池扩展”的解耦架构。系统根据语义ID的缓存命中情况进行分层处理，若完全命中则直接返回，若部分缺失则异步生成并使用近邻兜底。这种设计不仅控制了计算成本，也实现了供给的无限扩展。
结语：推荐系统与生成式AI的未来展望
快手RaG的成功落地，向行业展示了人工智能在推荐系统领域的全新可能。它不仅仅是一个视频AIGC系统，更代表着推荐系统范式的外扩——从“被动检索”走向“主动创造”。
在未来，检索与生成将不再是对立的关系，而是走向共存。当已有内容足够优秀时，系统直接复用；当创意不足或内容缺失时，系统则实时生成创意变体或全新视频补齐供给。推荐模型负责理解需求，生成模型负责扩展供给，反馈机制负责校准方向。
Loading...