从「找视频」到「产视频」：快手 RaG 推动推荐系统迈向完全生成时代

📌 一句话摘要

快手 RaG 系统通过预测用户兴趣语义并直接生成个性化视频，将推荐系统从内容检索推进到内容生成时代，已在广告业务中验证商业增益。

📝 详细摘要

文章介绍快手提出的 Recommendation-as-Generation（RaG）系统，从传统推荐系统的「retrieve-and-rank」范式出发，提出直接根据用户兴趣生成个性化视频。RaG 包含五个核心模块：D-SIDs 将视频解耦为内容与创意语义，GRM 自回归预测用户兴趣语义，Instruction Model 将语义翻译为镜头级生产指令，VGAs 通过多 Agent 协作生成包含视觉、音频、字幕的完整视频，SCRL 将用户反馈、兴趣对齐与视频质量统一进约束优化框架。工业部署采用「在线兴趣建模 + 近线视频生成 + 缓存扩展」分层架构，在快手广告系统中实现在强 GRM 基线之上 +1.870% 收入提升。文章最后指出 RaG 将推荐系统的边界从分发已有内容扩展到创造潜在供给，检索与生成将长期共存。

💡 主要观点

- RaG 将推荐系统从「找视频」推进到「产视频」，核心是预测用户兴趣语义并直接生成个性化视频。 传统推荐系统只能从已有内容池中检索排序，当用户真实想看的内容不存在时存在天然上限。RaG 通过 D-SIDs 将视频编码为离散语义，让推荐模型预测用户真正想看的内容语义，再驱动生成系统产出新视频。

D-SIDs 将视频的内容语义与创意风格解耦，提升了推荐和生成的可控性。 同类商品可用不同叙事风格表达，D-SIDs 分别量化 Content SIDs（讲什么）和 Creative SIDs（怎么讲），使推荐模型可以分别学习用户对内容主题和创意风格的偏好，生成系统也能更精确地控制输出。

VGAs 采用多 Agent 协作的视频生产管线，比固定流水线更适应个性化需求。 工业级广告视频涉及画面、口播、BGM、字幕、CTA 等多模态元素，VGAs 通过分层推理和有限轮次自我修正，实现跨模态一致性，在效果和效率间取得平衡。

SCRL 将用户反馈、兴趣对齐与视频质量纳入统一约束优化框架。 用户反馈是主目标，兴趣对齐和视频质量作为约束守底线，通过 PID 控制的拉格朗日乘子动态更新权重，避免多目标 RL 的震荡和手工调参。

RaG 已在快手广告系统大规模部署并带来显著商业增益。 在线 A/B 实验显示，完整 RaG 系统相较强 GRM 基线提升 +1.870% 广告收入，证明个性化视频生成在工业场景中的可落地性和价值。

💬 文章金句

- RaG 开始回答的是：用户想看的内容应该长什么样？

• 从找视频，到产视频。
• 推荐模型不只是选择已有内容，而是把用户兴趣转化为视频生成目标，再用真实反馈持续校准生成过程。

📊 文章信息

AI 初评：87

来源：机器之心

作者：机器之心

分类：人工智能

语言：中文

阅读时间：18 分钟

字数：4263

标签： 推荐系统, 视频生成, AI Agent, 多模态AI, 广告系统

阅读完整文章