快手提出 RaG 推荐范式：从检索视频转向直接生成个性化内容
快手将推荐系统从“找视频”升级为“造视频”，直接为用户生成个性化广告视频，并已在大规模工业系统中验证增收效果。
传统推荐系统只能从已有视频池中检索内容，快手新提出的 RaG（推荐即生成）范式则先预测用户兴趣，再直接生成与之对齐的个性化视频。该系统已在快手广告系统部署，服务超 4 亿日活用户，在线实验显示收入提升 1.87%。
正文摘录
.jpg)  过去十年，推荐系统最核心的动作可以概括成一个字：找。 用户来了，系统理解用户兴趣，再从已有内容池里检索、排序、分发最合适的视频。这个 "retrieve-and-rank" 范式支撑了短视频、信息流和广告推荐的高速增长，也让深度学习推荐模型成为工业界的基础设施。 但它有一个天然上限：如果用户真正想看的那条视频，内容池里根本不存在呢？  快手最新论文提出的 Recommendation-as-Generation（RaG），正是在回答这个问题。