推荐系统的未来：OneRec如何用端到端生成模型颠覆传统架构

u9v0w

257人浏览 · 2026-02-07 18:06:55

u9v0w · 2026-02-07 18:06:55 发布

OneRec：生成式推荐模型如何重塑下一代推荐系统架构

推荐系统正站在技术革新的十字路口。传统多阶段排序架构在经历十余年迭代后，其性能天花板已清晰可见——级联模块间的优化割裂、计算冗余与反馈延迟，成为制约效果突破的深层瓶颈。而大语言模型（LLM）技术的爆发式发展，为推荐领域提供了全新的解题思路：能否用单一生成式模型替代传统级联架构，实现端到端的智能推荐？快手团队提出的OneRec框架给出了肯定答案。这套创新架构不仅将工业级推荐模型的参数量提升10倍，更以仅传统系统1/10的运营成本，实现了核心业务指标1.6%的显著提升。本文将深入解析OneRec如何通过三大技术突破重构推荐系统的智能边界。

1. 传统推荐架构的困境与生成式范式的崛起

现代推荐系统通常采用"召回-粗排-精排-重排"的级联架构，这种设计在深度学习时代初期确实提升了效果，但随着模型复杂度增长，其固有缺陷日益凸显：

计算效率的沙漏现象
级联架构中每个阶段独立优化，导致整体算力利用率（MFU）普遍低于5%。以快手实践为例，传统系统在数据加载、特征工程和多模块流水线上的计算损耗，使得实际用于有效建模的算力不足采购总量的1/20。这种碎片化计算模式，与LLM领域高达40%的MFU形成鲜明对比。

效果优化的天花板效应
多阶段系统存在严重的"短板效应"——召回阶段的质量上限直接制约后续环节的表现。更关键的是，模块间的优化目标往往存在冲突：召回追求覆盖率，排序侧重精准度，最终需要复杂的人工调参来平衡。这种割裂使得系统难以实现全局最优。

工程维护的雪球成本
当系统需要新增业务目标（如内容多样性、创作者生态保护）时，传统做法是在特定阶段"打补丁"。长期积累导致系统复杂度呈指数增长，美团推荐系统团队2024年的报告显示，其核心排序模块的代码量已超过200万行，维护成本远超新建系统。

生成式推荐的核心突破在于架构简化与计算重构。OneRec通过端到端模型直接生成推荐列表，其技术优势体现在三个维度：

计算密度提升：MoE架构实现参数高效扩展，1B参数模型的实际激活参数仅250M
目标一致性保障：通过DPO实现多目标直接优化，避免人工加权偏差
系统响应敏捷：新增业务目标只需调整reward设计，迭代周期从天级缩短至小时级

表：传统推荐与生成式推荐的关键指标对比

维度	传统级联架构	OneRec生成式架构
算力利用率	<5%	23.7%（训练）
模块延迟	50-80ms（累计）	28ms（端到端）
参数规模	16M-250M（激活）	1B-8B（稀疏激活）
业务迭代周期	1-2周	4-8小时

2. OneRec的核心技术架构解析

2.1 语义ID体系：推荐对象的"语言化"编码

传统推荐依赖item ID的one-hot编码，这种离散表示面临两大挑战：千万级ID导致embedding表臃肿；新item冷启动困难。OneRec创新性地引入分层语义ID解决方案：

# 语义ID生成流程示例（基于RQ-Kmeans）
def generate_semantic_id(item_features):
    residuals = item_features
    semantic_ids = []
    for level in range(3):  # 三级量化
        centroids = kmeans_train(level_residuals) 
        idx = find_nearest_centroid(residuals, centroids)
        semantic_ids.append(idx)
        residuals -= centroids[idx]
    return semantic_ids

该方案通过三级残差量化，将每个视频映射为3个token组成的语义ID序列。关键技术突破包括：

多模态对齐表征：融合视频封面、ASR文本、抽帧图像等原始特征，通过Q-Former压缩为512维稠密向量
协同信号注入：使用用户行为共现数据优化表征空间，确保语义相似的视频在向量空间中邻近
动态平衡聚类：采用改进的K-means算法，保证各层级码本利用率达100%，避免传统RQ-VAE的"码本坍塌"

实验数据显示，这套语义ID体系使新视频的冷启动效率提升47%，同时在千万级视频库上实现98.3%的ID映射成功率。

2.2 MoE架构设计：模型容量的智能扩展

为平衡计算成本与模型效果，OneRec采用稀疏混合专家（Mixture of Experts）架构。其核心创新在于：

动态路由机制：每个输入token自动选择top-2专家网络，实现条件计算
负载均衡优化：引入loss-free平衡策略，避免专家利用率两极分化
层级扩展模式：在Decoder层间隔插入MoE模块，逐步扩大模型容量

表：不同规模OneRec模型的配置与性能

模型类型	参数量	激活参数	训练FLOPs	离线AUC提升
OneRec-0.5B	535M	210M	3.2e18	+1.2%
OneRec-1B	1.1B	380M	7.8e18	+2.7%
OneRec-8B	8.4B	1.2B	5.6e19	+4.5%

实际部署中，1B参数的MoE模型相比同规模稠密模型，在保持计算量不变的情况下，关键指标观看时长提升2.3倍。

2.3 迭代偏好对齐：从静态预测到动态优化

传统推荐模型依赖离线训练的静态参数，难以适应用户偏好的实时变化。OneRec创新性地引入三阶段训练范式：

基础预训练：基于历史行为数据学习用户兴趣模式
奖励建模：构建多目标融合的P-Score预测器
强化学习对齐：通过ECPO算法实现在线微调

# ECPO（Early Clipped GRPO）算法核心逻辑
def ecpo_loss(policy_logits, ref_logits, rewards, clip_ratio=0.2):
    ratios = exp(policy_logits - ref_logits)
    clipped_ratios = clip(ratios, 1-clip_ratio, 1+clip_ratio)
    advantages = (rewards - rewards.mean()) / (rewards.std() + 1e-8)
    # 早期截断负优势
    mask = (advantages < 0).float()
    loss = -mean(min(ratios, clipped_ratios)*advantages*(1-mask) + 
                 ratios*advantages*mask)
    return loss

这种设计带来三重收益：