當(dāng)你打開短視頻App，手指上下滑動的每一秒，背后都藏著一套決定“你接下來看什么”的排序邏輯。過去十年，行業(yè)里的推薦排序大多依賴“人工設(shè)計公式”——工程師們把“用戶會不會點贊”、“能看多久”等指標(biāo)，按經(jīng)驗分配權(quán)重、套進(jìn)公式，算出每個視頻的“優(yōu)先級分?jǐn)?shù)”。但這套模式正在遭遇瓶頸：有人喜歡“短平快”的搞笑視頻，有人偏愛“慢節(jié)奏”的生活記錄，一套公式怎么滿足千萬用戶的個性化需求？當(dāng)“留存”、“時長”、“播...

一、大型活動所面臨的技術(shù)挑戰(zhàn)CNY（春節(jié)活動）是快手重要的年度專項之一。平臺在春節(jié)期間推出多種互動玩法，內(nèi)容會場作為預(yù)熱、除夕和留存階段的核心載體，先后支撐了“快手有年味”、“老鐵晚會”、“龍之頁”、“明星陪你過大年”等多項活動。這些頁面以內(nèi)容消費為主，致力于將內(nèi)容與玩法創(chuàng)新結(jié)合，以更好地實現(xiàn)業(yè)務(wù)目標(biāo)?？焓值痛a搭建平臺（簡稱“積木”）是快手核心的運營活動頁面構(gòu)建基礎(chǔ)設(shè)施，目前已承擔(dān)90%以上的活動...

數(shù)字人視頻生成技術(shù)正迅速成為增強(qiáng)人機(jī)交互體驗的核心手段之一。然而，現(xiàn)有方法在實現(xiàn)低延遲、多模態(tài)控制與長時序一致性方面仍存在顯著挑戰(zhàn)。大多數(shù)系統(tǒng)要么計算開銷巨大，無法實時響應(yīng)，要么只能處理單一模態(tài)輸入，缺乏真正的交互能力。為了解決這些問題，快手可靈團(tuán)隊（KlingTeam）提出了一種名為MIDAS（MultimodalInteractiveDigitalhumanSynthesis）的新型框架，通過自回歸視頻生成結(jié)合輕量化擴(kuò)散去噪頭，實現(xiàn)了多模態(tài)條件...

在實時競價（RTB）廣告系統(tǒng)中，廣告出價模塊作為連接廣告主需求與流量匹配的核心樞紐，需要將廣告主的營銷目標(biāo)（如轉(zhuǎn)化率、ROI）轉(zhuǎn)化為動態(tài)競價決策。作為競價機(jī)制的中樞神經(jīng)，廣告出價不僅直接影響廣告主的投放效果，也是廣告排序分的關(guān)鍵組成模塊，進(jìn)而影響平臺側(cè)的流量分配效率。廣告出價的面臨的核心挑戰(zhàn)可以概括為以下三點：既要花錢，又要省著花：廣告主既需控制單日花費不超預(yù)算，又需盡可能降低每次轉(zhuǎn)化（如購買、下載...

讓數(shù)字人的口型隨著聲音一開一合早已不是新鮮事。更令人期待的，是當(dāng)明快的旋律響起，它會自然揚起嘴角，眼神含笑；當(dāng)進(jìn)入說唱段落，它會隨著鼓點起伏，肩膀與手臂有節(jié)奏地帶動氣氛。觀眾看到的不再只是嘴在動，而是整個人在表演。這種表現(xiàn)不僅限于幾個片段，而是能夠穩(wěn)定地延續(xù)到分鐘級長視頻中，在整段時間里保持動作自然、鏡頭流暢。?近日，快手可靈團(tuán)隊把這一構(gòu)想帶到了現(xiàn)實。全新數(shù)字人功能已在可靈平臺正式上線（???h...

還有一個月，一年一度的“雙十一”就要來了！作為消費者，你平時是怎樣尋找心儀商品的呢？？當(dāng)你滿懷期待在搜索框輸入關(guān)鍵詞，卻發(fā)現(xiàn)商品列表并不符合心意——這背后到底是什么原因?qū)е碌?？這一切，還要從電商平臺常用的傳統(tǒng)搜索架構(gòu)說起。目前主流系統(tǒng)采用召回>粗排>精排”的級聯(lián)式架構(gòu)。召回層：比如你搜索“紅色連衣裙”，系統(tǒng)會迅速從數(shù)億商品中篩選出上萬個包含“紅色”“連衣裙”關(guān)鍵詞的商品。這步追求快和全，但精度不...

快手正式發(fā)布了多模態(tài)大語言模型KeyeVL1.58B。與之前的版本相比，KeyeVL1.5的綜合性能實現(xiàn)顯著提升，尤其在基礎(chǔ)視覺理解能力方面，包括視覺元素識別、推理能力以及對時序信息的理—表現(xiàn)尤為突出。KeyeVL1.5在同等規(guī)模的模型中表現(xiàn)出色，甚至超越了一些閉源模型如GPT4o。KeyeVL1.58B在技術(shù)上實現(xiàn)了三項關(guān)鍵創(chuàng)新：引入慢快編碼策略（SlowFast）：該策略基于相似性算法自動區(qū)分慢幀與快幀，并將快幀的token預(yù)算控制為慢幀的30%。同...

?導(dǎo)讀：快手KwaiKeye團(tuán)隊提出Thyme(ThinkBeyondImages)的新范式，并圍繞它構(gòu)建了一整套技術(shù)方案。旨在突破現(xiàn)有方法的限制，賦予開源模型一種更強(qiáng)大、更自主、功能更全面的“超越圖像思考”的能力。??OpenAI推出的o3推理模型，首次將圖像直接融入推理過程，開創(chuàng)了視覺文本聯(lián)合推理的新范式。該能力（ThinkwithImage）自發(fā)布以來，受到業(yè)界與學(xué)術(shù)界的廣泛關(guān)注，多項研究開始探索如何在推理中引入視覺信息以增強(qiáng)模型感知與推理...

近日，快手Kwaipilot團(tuán)隊發(fā)布了SeamlessFlow技術(shù)報告，這是對團(tuán)隊所使用的工業(yè)級規(guī)模強(qiáng)化學(xué)習(xí)（RL）訓(xùn)練框架的詳細(xì)介紹。該框架通過創(chuàng)新的數(shù)據(jù)平面架構(gòu)，對RL的訓(xùn)練邏輯和Agent做了徹底解耦，用以支持多智能體、在線強(qiáng)化學(xué)習(xí)訓(xùn)練等復(fù)雜場景；更進(jìn)一步，針對RL計算資源分配問題，團(tuán)隊提出了“標(biāo)簽分配機(jī)制”，統(tǒng)一了該領(lǐng)域最廣泛的兩種設(shè)計模式（訓(xùn)推共卡、訓(xùn)推分離）。以標(biāo)簽分配的思路為出發(fā)點，在業(yè)界首個提出“時空復(fù)用pipel...

在大語言模型的競爭中，數(shù)學(xué)與代碼推理能力已經(jīng)成為最硬核的“分水嶺”。從OpenAI最早將RLHF引入大模型訓(xùn)練，到DeepSeek提出GRPO算法，我們見證了強(qiáng)化學(xué)習(xí)在推理模型領(lǐng)域的巨大潛力。然而，想要復(fù)現(xiàn)這些頂尖成果，并不只是“多喂點數(shù)據(jù)、跑幾輪訓(xùn)練”這么簡單?，F(xiàn)實是，很多中小規(guī)模的開源推理模型，在AIME這樣的高難數(shù)學(xué)競賽題、或LiveCodeBench這樣的復(fù)雜代碼評測中，依然與閉源SOTA存在明顯差距。最近，快手Klear語言大模型...

近日，快手8篇論文入選人工智能數(shù)據(jù)挖掘領(lǐng)域頂會KDD2025，研究涵蓋推薦系統(tǒng)、多任務(wù)學(xué)習(xí)、多模態(tài)大模型、大語言模型、組合優(yōu)化等前沿領(lǐng)域的成果。KDD（ACMSIGKDDConferenceonKnowledgeDiscoveryandDataMining）是人工智能數(shù)據(jù)挖掘領(lǐng)域的國際頂級學(xué)術(shù)會議。該會議一年舉辦一次，由ACM的數(shù)據(jù)挖掘及知識發(fā)現(xiàn)專委會主辦。KDD2025將于2025年8月3日至7日在加拿大舉辦。近日，大會正式公布論文錄取結(jié)果，快手憑借在人工智能領(lǐng)域的持續(xù)...

一、項目背景當(dāng)前在線推理服務(wù)架構(gòu)中，計算節(jié)點（推理服務(wù)）與存儲節(jié)點（在線PS服務(wù)）之間存在海量的實時數(shù)據(jù)傳輸需求。隨著模型參數(shù)量劇增，傳統(tǒng)分布式架構(gòu)需擴(kuò)展到成千上萬個服務(wù)節(jié)點，導(dǎo)致計算節(jié)點訪問存儲節(jié)點的帶寬散出激增，進(jìn)而推高訪問延遲。加之當(dāng)前主流的TCP網(wǎng)絡(luò)通信存在CPU占用高、延遲高、吞吐低等劣勢，嚴(yán)重制約了服務(wù)響應(yīng)時間，限制了模型預(yù)估機(jī)器的橫向擴(kuò)展（ScaleOut）規(guī)模。結(jié)合快手的業(yè)務(wù)需求，我們的目標(biāo)是...

近日，快手發(fā)布并開源了KATV1自動思考（AutoThink）大模型，這是一款融合思考與非思考能力、并且可以根據(jù)問題難度自動切換思考形態(tài)的模型。KATV1模型共有40B和200B兩個版本。在自動思考模式下，40B版本的性能可追平今年5月發(fā)布的新版DeepSeekR1（參數(shù)量為6850億）。而200B版本的模型，則在多項基準(zhǔn)測試中超過了Qwen、DeepSeek和Llama這三大開源模型家族中的旗艦?zāi)Ｐ?。值得一提的是，在號稱無法作弊的競賽級實時基準(zhǔn)測試LiveCode...

導(dǎo)讀：本文以快手天守平臺核心建設(shè)者視角，系統(tǒng)梳理了大規(guī)模前端工程質(zhì)量保障體系的演進(jìn)路徑。通過解構(gòu)其分層架構(gòu)設(shè)計、分布式調(diào)度引擎等關(guān)鍵技術(shù)組件，深度剖析平臺在應(yīng)對億級DAU場景下的工程實踐，為行業(yè)提供可借鑒的質(zhì)量保障體系建設(shè)范式。??即使你的工廠被拆除了，只要它的精神還在，你就能很快重新建立起另一家。如果一場革命摧毀了舊政府，但新政府思想和行為的系統(tǒng)模式?jīng)]有變化，它就仍然難逃再次被推翻的命運。關(guān)于系...

在自然語言處理中，自回歸建模（AutoregressiveModeling,AR）憑借其"NexttokenPrediction"的方式，已在GPT、LLaMA等大語言模型中取得了突破性成果。受此啟發(fā)，業(yè)界開始將自回歸方法從語言遷移到視覺領(lǐng)域，在圖像生成領(lǐng)域（DALL·E、GPT4o）也表現(xiàn)出了巨大的潛力。相較于基于擴(kuò)散模型（DiffusionModel）的生成方式，自回歸的方式更加有效地建模多模態(tài)信息，同時避免噪聲采樣的隨機(jī)性，進(jìn)而生成更加穩(wěn)定的結(jié)果。為了將自回歸建模...

計算機(jī)視覺領(lǐng)域頂級會議InternationalConferenceonMachineLearning(ICML2025）將于7月13日至7月19日在加拿大溫哥華召開，快手音視頻技術(shù)團(tuán)隊聯(lián)合南京大學(xué)發(fā)表的題為《UltraLowrateImageCompressionwithSemanticResidualCodingandCompressionawareDiffusion》——基于語義殘差編碼與壓縮感知擴(kuò)散的超低碼率圖像壓縮的最新研究成果被會議收錄。ICML是機(jī)器學(xué)習(xí)領(lǐng)域的頂級國際會議，其收錄的論文代表了機(jī)器學(xué)習(xí)基礎(chǔ)理論與算法創(chuàng)新的...

導(dǎo)讀：快手8篇論文入選機(jī)器學(xué)習(xí)領(lǐng)域頂會ICML2025，研究涵蓋了多模態(tài)情感大模型、機(jī)器學(xué)習(xí)單調(diào)建模、因果效應(yīng)估計結(jié)果、級聯(lián)排序系統(tǒng)一體化建模、統(tǒng)一生成理解框架、圖像壓縮、圖像超分等前沿領(lǐng)域的成果。??ICML（InternationalConferenceonMachineLearning）作為機(jī)器學(xué)習(xí)領(lǐng)域的全球頂級學(xué)術(shù)盛會，由國際機(jī)器學(xué)習(xí)學(xué)會（IMLS）主辦，并被中國計算機(jī)學(xué)會（CCF）列為A類國際權(quán)威會議。第42屆ICML將于7月13日至19日在溫哥華會議中...

測試時擴(kuò)展（TestTimeScaling）極大提升了大語言模型的性能，涌現(xiàn)出了如OpenAIo系列模型和DeepSeekR1等眾多爆款。那么，什么是視覺領(lǐng)域的testtimescaling？又該如何定義？?為了回答這一問題，最近香港科技大學(xué)聯(lián)合快手可靈團(tuán)隊推出EvolutionarySearch（EvoSearch）方法，通過提高推理時的計算量來大幅提升模型的生成質(zhì)量，支持圖像和視頻生成，支持目前最先進(jìn)的diffusionbased和flowbased模型。?EvoSearch無需訓(xùn)練，無需梯度...

導(dǎo)讀：快聘業(yè)務(wù)快速發(fā)展情況下，圖文AIGC模板生產(chǎn)人力緊缺，技術(shù)借助碼靈D2C和增長合圖能力搭建伏羲工作臺，助力實現(xiàn)業(yè)務(wù)模板快速自動化生產(chǎn)，推動了業(yè)務(wù)形態(tài)發(fā)展。一、背景介紹業(yè)務(wù)背景“快聘”是快手于2022年推出覆蓋藍(lán)領(lǐng)群體的短視頻平臺藍(lán)領(lǐng)招聘業(yè)務(wù)。通過構(gòu)建以信任為中心的藍(lán)領(lǐng)招聘關(guān)系和直播帶崗模式，為用工企業(yè)和藍(lán)領(lǐng)用戶搭建就業(yè)平臺。快手“快聘”早期叫“快招工”，進(jìn)行品牌升級后叫“快聘”，自推出后，已為比亞迪...

導(dǎo)讀：近日，快手發(fā)布并開源其最新自研的多模態(tài)大語言模型KwaiKeyeVL。KwaiKeyVL采用VisionEncoderProjectorLLM架構(gòu)，集成了文本、圖像、視頻信息的混合輸入處理能力，旨在為用戶帶來更智能、更全面的多模態(tài)交互體驗。如果有人突然問你：「這張圖片中有幾顆草莓」？你會如何快速回復(fù)？面對五彩繽紛的果盤，我們往往需要反復(fù)端詳，放大圖片再逐一清點，耗費不少時間才能得到答案。然而，AI大模型正讓這種復(fù)雜視覺識別變得簡單—...