效果、性能双突破！快手OneSug端到端天生式框架入选AAAI 2026

当你在电商平台搜索“苹果”，系统会推荐“水果”照旧“手机”？或者直接跳到某个品牌旗舰店？短短一个词，背后承载了完全差别的购置意图。而推荐是否精准，直接影响用户的搜索体验，也影响平台的转化效率。

基于上述问题，快手在业界首次提出端到端的天生式统一盘问推荐框架——OneSug，乐成将召回、粗排、精排等多个阶段统一在一个天生模子中，显著提升了推荐效果与系统效率，在快手电阛阓景中实现了营业指标与用户体验的双重提升。

本事情相关效果《OneSug: The Unified End-to-End Generative Framework for E-commerce Query Suggestion》已被人工智能顶级聚会 AAAI 2026 吸收。

盘问推荐（Query Suggestion）是现代电商搜索系统中的要害功效，通过在用户输入历程中实时推荐相关盘问，资助用户快速明确意图，提升搜索体验与转化效率。古板要领通常接纳多阶段级联架构（MCA），虽然在效率与效果之间取得了一定平衡，但由于各阶段目的纷歧致、长尾盘问召回难题等问题，限制了系统性能的进一步突破。

而近年来，天生式检索（Generative Retrieval）因其强盛的语义明确与天生能力，在推荐与搜索领域展现出重大潜力。然而，现有要领多聚焦于视频推荐，其实质上是一个开集到开集的使命，难以直接应用于输入输出都是开放词表的的盘问推荐场景。

针对上述问题，快手提出的 OneSug 模子主要包括3个部分：

首先是 Prefix-Query表征增强�？�。Sug场景下，用户输入的前缀往往较短且意图模糊（如“苹果”可指水果或品牌）。为此，快手提出的解决方法分为语义与营业空间对齐、条理化语义ID天生2个部分。

其次是统一的Enc-Dec天生架构。OneSug 的天生架构基于Enc-Dec结构，并直接通过自回归（Autoregressive）方法天生用户最有可能点击的Query。

别的，借助用户行为偏好对齐（RWR）的方法，通过用户偏好量化、混淆排序框架奖励加权偏好优化、混淆排序框架的要领，划分对用户在搜索场景下的真实验为举行了细腻化分级。RWR 的焦点头脑是凭证正负样本之间的奖励差别，让模子学习到用户对差别query的个性化偏好。

总体而言，OneSug 是业界首个在电阛阓景中实现全流量安排的端到端天生式Query推荐系统，其统一建模方法显著提升了语义明确与个性化推荐的能力，为天生式模子在搜广推的落地提供了新范式。

未来，我们将进一步探索大语言模子在排序阶段的强化学习优化、实时更新等偏向，一连推动端到端天生式系统在推荐、广告等多营业场景中的普遍应用。

《亚洲国产女人天堂AV》，《Q8X2R7L1T4J5M9B6W3》

毛片,黄片

“日韩色情视频”

鉂わ笍鉂わ笍鉂わ笍馃毇馃毇馃毇馃敒馃敒馃敒馃敒馃毇馃毇馃埐馃埐馃埐

……