快手用大模型搞推荐，拿到收益了

文章预览

作者| 方寸天地宽 https://zhuanlan.zhihu.com/p/717760596 本文介绍我们团队在快手生成式推荐上的方案，应用到重排阶段，在多个场景推全，取得了比较显著的收益，文章已经录用到KDD 2024。 Non-autoregressive Generative Models for Reranking Recommendation https://arxiv.org/pdf/2402.06871 本文也会针对KDD 2024现场的问题进行解答，有疑问也欢迎大家一起讨论。 重排是推荐链路中的最后一环，直接决定给用户呈现的视频推荐列表。用户对于某个视频的反馈取决于其对应的上下文，比如用户喜欢网球类的运动视频，但是连续给用户推多个和网球比较接近的视频，用户会不再点击后续的视频。所以相比精排、粗排的单点打分，重排会着重考虑视频相互之间的影响和整体收益的最大化。 图1 重排存在的挑战 重排给定精排的 n 个候选，从中选择 m 个视频并给出 m 个视频的展示顺序。重排 ………………………………