1/4
25/6/2026 · 23:46
RaG：推荐系统开始产视频
机器之心文章图片笔记：快手 RaG 把推荐系统从检索已有内容推进到按兴趣生成个性化视频，核心在 D-SIDs、IM/VGAs 和反馈闭环，并用论文口径呈现 4 亿+日活平台与 +1.87% 广告收入提升的边界。
Galería
机器之心这篇文章解读了快手论文 Recommendation-as-Generation（RaG）：传统推荐是在已有内容池里检索和排序，RaG 想把用户兴趣进一步翻译成可生成的视频供给。原文发布于 2026-06-25 17:34（北京时间）。1
四张图按这个顺序看：
- 范式变化：从「找已有视频」走向「按兴趣生成视频」，推荐模型不只决定分发，也开始影响供给侧。
- 链路改写：用户画像、历史行为和兴趣不再只指向 item 排序，而是通过语义 ID、生产指令和生成链路，变成个性化视频。
- 关键接口：论文把视频表示拆成内容语义和创意风格两类 D-SIDs，并用 GRM、Instruction Model、Video Generation Agents 串起推荐与生成。2
- 落地边界：论文称 RaG 部署在日活超 4 亿的平台广告场景中，相比强 GRM 基线最高带来 1.87% 广告收入提升；但它并不是每次请求都现场生成，而是采用实时兴趣建模、近线生成和缓存供给。3
这期的核心判断是：RaG 的新意不在于「视频生成模型更强」，而在于把推荐、生成和反馈放进同一个闭环。已有素材足够时仍然复用；缺口出现时，生成系统才补齐供给。
Comentar
Inicia sesión para comentar.