推荐大模型来了？OneRec论文解读：端到端训练如何同时吃掉效果与成本

机器之心报道 机器之心编辑部 人人都绕不开的推荐系统，如今正被注入新的 AI 动能。 随着 AI 领域掀起一场由大型语言模型（LLM）引领的生成式革命，它们凭借着强大的端到端学习能力、海量数据理解能力以及前所未有的内容生成潜力，开始重 塑各领域的传统技术栈。 作为互联网流量的核心引擎，推荐系统面临着级联架构导致的算力碎片化、优化目标割裂等问题，并逐渐制约其创新发展。实现从碎片化拼装到一体化整合的范 式跃迁，是推荐系统重焕生机的必由之路，而利用 LLM 技术重构架构以实现效果提升、成本降低成为关键。 近日，快手技术团队交出了他们的答卷，最新提出的「OneRec」首次以端到端生成式架构重构推荐系统全链路。 在效果与成本这场看似零和的博弈中，OneRec 让「既要又要」成为可能 ： 目前，该系统已在快手 App / 快手极速版双端服务所有用户，承接约 25% 的QPS（ 每秒请求数量 ） ，带动 App 停留时长提升 0.54%/1.24%，关键指标 7 日用户生 命周期（LT7）显著增长，为推荐系统从传统 Pipeline 迈向端到端生成式架构提供了首个工业级可行方案。 下图（左）展示了快手 / 快手极速版中 O ...