深度丨總獎金100萬、K-Star Offer直通：快手把千億級推薦場景開放給了全球學生

幾乎每周，arXiv 上都會涌現幾十篇關于"大模型+推薦系統"的新論文。

但一個尷尬的現實是：絕大多數研究停留在小數據集、小模型、離線評測的舒適區里。真實工業場景的數據分布、千億級物料規模、用戶行為的動態噪聲和意圖漂移，是任何 academic benchmark 都無法模擬的。

學界與工業界之間，橫亙著一道數據、規模與評測標準的鴻溝。

快手每天為數億用戶完成超過千億次的推薦決策。在這個規模之下，每一次算法的迭代，都不只是指標的跳動，而是在精準與多元之間尋找更好的平衡。也正是在這個量級上，快手選擇了一個反常規的解法：不砌墻，而是拆墻。

在技術沙龍第四期上，快手正式發起「探索者 LLM-Rec 挑戰賽 2026」，向全球學生開放真實業務脫敏數據、工業級基座模型和嚴格的評測體系。這是業界唯一一個以"大模型 × 推薦能力深度融合"為賽題的全球開放賽事。

為什么快手敢這么做？

OneReason 先證明了：這條路走得通

要理解快手為什么敢把核心場景開放給全球學生，得先理解 OneReason 是什么。

簡單來說，它是快手推出的生成式推薦推理模型。目標只有一個：讓推薦系統從"預測下一個 token"進化到"理解為什么推薦"——從 Scaling 走向 Reasoning。

包括早期 OneRec 在內的傳統推薦系統，底層邏輯是 Scaling Law：堆數據、堆參數、堆算力，預測用戶可能點擊的下一個 item。OneRec V1/V2 已經驗證了這條路在工業級場景跑得通，并在快手多個業務中實現規模化落地，釋放了 next-token prediction 框架下的 Scaling 收益。

但瓶頸也很明顯。模型知道"用戶可能會點這個"，卻不知道"用戶為什么點這個"。推薦系統本質上是一個巨大的黑盒，輸入行為序列，輸出排序結果，中間發生了什么，沒人說得清。在復雜場景下，這種"無差別預測"的精度天花板已經越來越近。

快手推薦模型部生成與排序模型負責人唐睿明在技術沙龍上分享了具體路徑。

第一步，搭建面向推薦任務的 CoT（Chain-of-Thought）數據體系。傳統推薦模型直接輸出排序結果，OneReason 則要求模型在推薦過程中顯式地"思考"，先拆解用戶意圖、分析物料關聯、推理行為動機，再生成最終推薦。這種"先想后推"的機制，讓推薦決策從黑盒變成了可解釋、可優化的推理過程。

第二步，在 RL 階段引入 Reasoning 數據飛輪。光有 CoT 還不夠，推薦場景的真實反饋是持續流動的。團隊通過多輪迭代，讓模型在真實業務反饋中持續優化 CoT 質量：推理得好，推薦準，用戶反饋正向，模型就強化這條推理路徑；推理得差，推薦偏，用戶反饋負向，模型就修正邏輯。這是一個自我進化的閉環。

OneReason 不是實驗室里的概念驗證。它建立在 OneRec V1/V2 已經驗證的 Scaling-Law 之上，并進一步證明了 Reasoning 在推薦系統里的有效性，且已部分賦能業務。

這意味著，"LLM×推薦"不再是 PPT 上的愿景，而是已經有了一個可以站在上面繼續往前推的腳手架。只有當這個腳手架足夠結實，快手才談得上把下一階段的探索權交給社區。

• 懂物料：根據 Itemic Pattern 反解物料內容，對應 OneReason 對多模態語義主成分 ID 的表征能力；

• 懂用戶：從全域行為鏈中區分噪聲與信號，識別需求的觸發、深化與落地，對應 CoT 數據體系對用戶意圖的推理能力；

• 懂推薦：根據歷史行為預測真實需求，對應生成式推薦的 core capability；

• 懂世界：保留大模型通用知識和社會常識，對應 OneReason 配比大量通識 Reasoning 數據的設計理念。

只有先定義了標準，才敢把這個標準交給全球去檢驗。

快手把什么交給了社區？

這不是一場在標準數據集上刷榜的學術競賽，而是一次工業級能力的平權化?？焓珠_放的不僅是數據，而是從基座到評測的完整四層配置。

第一層：技術基座

選手不需要從零造輪子。組委會直接提供 OneReason-0.8B-pretrain：基于 Qwen3-0.6B 熱啟，擴充推薦域 Itemic token 詞表后參數量 0.8B，經過 578B Token 多階段預訓練，并配比大量通識 Reasoning 數據。從第一天起，參賽者就站在和工業級 baseline 幾乎同一起點上做創新。

第二層：真實場景

實驗室的干凈數據已經不夠用了。賽題提供的 SFT 數據與 50 萬條用戶行為數據，量級和分布貼近真實業務場景，覆蓋四個維度：

• 物料語義理解：增強模型從 itemic token 中還原物料語義的能力，強化模型感知；

• 用戶需求演化：從用戶全域行為鏈中區分噪聲與信號，識別需求的觸發、深化與落地軌跡；

• 推薦行為建模：根據用戶歷史行為序列，深度理解并預測用戶的真實需求；

• 通用知識與常識推理：保持模型在開放問答中的基礎知識、常識理解與推理能力。

第三層：公平機制

為了保證公平和防過擬合，賽事采用多階段遞進機制。

對學界的"刷分套路"幾乎是一刀切的：你必須真的做出可復現的東西。

第四層：頂級背書

賽事與信息檢索與推薦系統全球頂會 ACM SIGIR 2026 聯辦。你的算法不僅要過學術界的關，還要經得起工業界最嚴苛的業務審視。賽事技術平臺由快手萬擎（企業級模型服務與 AI 算力云平臺）提供支持，為參賽選手提供數據管理、模型精調與評測等全鏈路能力保障。

快手在尋找什么樣的人？

閉源評測和復現審核的設計，意味著這場比賽不歡迎"只調參不思考"的榜單刷手。

面向全球范圍內各類院校的全日制在校學生開放，參賽者不限國籍、院校和專業。1–3 人組隊即可參賽，支持單人參賽?？焓衷趯ふ?沒有路徑依賴"的破局者。一個高中生或一個博士后的奇思妙想，可能比大廠的漸進式優化更有顛覆性。

獎勵的設計也透露了真實意圖?？偑劷鸪?100 萬元，冠軍 40 萬元，這筆錢足夠有吸引力，但快手真正想給出的籌碼是人才通道：Top 3 直通 K-Star 級別 offer，這是快手內部最頂級的校招通道；決賽前20名，免筆試，直達快手算法終面。在全球 AI 人才競爭白熱化的當下，這是一場精準的人才捕撈，而非榜單營銷。

更深層的信號是共建者邏輯?？焓职鸦祿?、評測標準全部開放出來，是希望找到真正能推動 LLM × 推薦方向的人，讓"無人區"變成"有人區"。

從 2023 年的 Scaling、2024 年的 Reasoning，到 2025 年之后的 Agentic。通用大模型已經走過的這條路，推薦系統才剛剛走到第二步?？焓诌x擇把接下來這段路開放給社區共同探索，本身就是對行業下一階段最直接的押注。

真實戰場，歡迎入場

當生成式推薦走向體系化，實驗室刷榜的盡頭，是真實世界的檢驗。

報名窗口：6 月 13 日 – 6 月 29 日

賽事官網：ks-llmrec.streamlake.com

決賽：9 月底，北京線下

做有挑戰的事，一同見證推薦系統的未來。快手已經搭好了擂臺，現在，輪到年輕人上場了。

加入ZF討論群，請先添加小助手微信

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生