2026年3月，腾讯广告算法大赛与KDD Cup联动，以《面向大规模推荐的统一序列与特征交互建模》为赛题，挑战推荐系统的“大一统”架构。总奖金池达88.5万美元（约合人民币600万+），学术赛道冠军独享30万美元，工业赛道冠军15万美元，并特设两个创新奖，各奖励4.5万美元。比赛数据源自腾讯广告真实业务场景，覆盖数十亿用户脱敏数据，要求参赛者设计统一模型，兼顾效果与效率。赛事分为两轮：4月24日至5月23日初赛，6月24日决赛仅限TOP50队伍。颁奖典礼将在8月9日至13日KDD会议期间举行。优秀选手可获腾讯校招直通终面资格或行业合作机会，方案还有机会收录进KDD Workshop Proceedings。报名截至4月23日，详情见官网。

标题：快手推出新一代AI推荐系统 近日，快手全面上线基于大模型的生成式推荐系统OneRec，成为全球首个实现工业级应用的此类系统。传统推荐系统多采用多阶段流水线架构，但存在效率低、算力浪费等问题。OneRec则通过端到端大模型生成内容，实现更精准的个性化推荐。 OneRec通过用户建模（Encoder）将用户行为编码为兴趣向量，再由解码器（Decoder）生成推荐内容，并结合强化学习（RL）动态优化推荐结果。它还引入多模态语义分词器，深入理解视频内容，提升推荐的多样性和准确性。 在测试中，OneRec显著提升了用户停留时长和互动率，同时在本地生活场景中也表现出色，GMV增长21%。尽管仍面临推理速度、冷启动等挑战，OneRec标志着推荐系统进入新阶段，展现了AI技术与推荐系统的深度融合。

在“推荐就是一切”的时代，选择还属于我们吗？ “决定你命运的不是机遇，而是选择”，这句话虽常被误传为亚里士多德名言，实则是琴·尼德奇的总结。她于1963年创立了Weight Watchers，帮助人们通过健康方式减肥。然而，在人工智能主导的时代，选择是否依然掌握在我们手中？ 推荐引擎彻底改变了我们的...

标题：当购物用上大模型！阿里妈妈首发世界知识大模型URM，破解推荐难题 在推荐和广告场景中，如何有效利用大模型能力是一个重要挑战。阿里妈妈提出的世界知识大模型URM解决了两大难题：一是LLM虽具丰富知识但缺乏电商专业性；二是用户行为信息冗长影响建模效率。URM通过知识注入和信息对齐，使LLM兼具...

标题：推荐场景Scaling Law来了！中科大&华为诺亚方舟联合推出 当Scaling Law应用于推荐场景，模型又将如何表现？中科大认知智能全国重点实验室陈恩红团队联合华为诺亚方舟实验室推出了“推荐模型性能定律”，首次对模型性能与模型、数据的规模和质量进行了定量分析。 论文首次尝试对...

Meta AI推出新型AI模型LIGER，结合密集检索和生成检索优势，提升生成式推荐系统性能。LIGER有效解决计算资源、存储需求及冷启动项目处理难题，提高效率与精准度。在Amazon Beauty、Steam等数据集上，LIGER性能优于TIGER和UniSRec。该模型采用双向Transformer编码器和生成解码器，混合推理过程使其适应性更强。1月2日发布。