快手廣告邁入生成式推薦時代！GR4AD：Token到Revenue全鏈路重構

機器之心發布

當推薦系統遇上大模型范式，廣告變現的天花板被再次打破。快手提出 GR4AD，作為國內生成式推薦在大規模廣告場景下的首次全量落地，實現廣告收入提升 4.2%，服務 4 億 + 用戶。

論文鏈接：https://arxiv.org/pdf/2602.22732

一、引言："推薦該怎么做" 的新范式

過去十年，深度學習推薦模型（DLRM）幾乎統治了整個工業界的推薦系統 —— 從召回到排序，從特征交叉到序列建模，它們構建了一套成熟而穩固的技術棧。然而，當大語言模型（LLM）的浪潮席卷而來，一個大膽的問題被拋了出來：

能不能像生成文本一樣，直接 "生成" 推薦結果？

這就是生成式推薦（Generative Recommendation）的核心思想。以 TIGER、OneRec 為代表的一系列工作，已經在自然推薦場景中驗證了這一范式的可行性。但當戰場轉移到大規模廣告系統—— 這個對時延、收益、商業價值都有極致要求的領域 —— 事情變得遠沒有那么直接。

快手的這篇論文，正是對這一問題交出的一份沉甸甸的工業級答卷。他們提出了GR4AD（Generative Recommendation for ADvertising），一個橫跨表征、學習、服務三大層面協同設計的生成式廣告推薦系統，并已全量部署于快手廣告平臺，服務超過 4 億用戶

二、問題與挑戰：廣告場景下的三大挑戰

論文開篇就旗幟鮮明地指出：直接把 LLM 那套訓練和推理范式搬到廣告推薦上，是行不通的。 具體來說，廣告場景存在三個獨有的核心挑戰：

挑戰一：廣告物料的 Token 化 —— 多元信息的統一編碼

廣告不是普通的短視頻。一條廣告背后融合了視頻創意、商品詳情、廣告主 B 端元數據等多模態、多粒度信息。更棘手的是，平臺還提供了轉化類型、廣告賬戶等關鍵業務信號，這些信號具備強烈的商業價值但幾乎沒有 "語義內容" 可言。如何為廣告物料打造一套既能捕獲語義內容、又能編碼業務信息的統一 Token 體系

挑戰二：學習范式 —— 面向商業價值的列表級優化

廣告推薦的優化目標不是 "猜中用戶會點哪個" 那么簡單，而是要在eCPM 排序、NDCG 等列表級指標下最大化商業價值。現有的生成式推薦方法大多沿用 LLM 的分階段訓練方式，不完全適配大規模推薦場景的持續在線學習，且缺乏面向排序的、列表級的學習設計。

挑戰三：實時服務 —— 多候選生成的算力困局

不同于 LLM 聊天場景中 "解碼一條回復、容忍較長延遲" 的模式，廣告系統需要在極高 QPS 和極低延遲（<100ms）下，通過 Beam Search同時生成大量高質量候選。這是一個與 LLM 不同的推理優化問題。

三、方法：全鏈路協同設計的破局之道

GR4AD 的方法論可以用一句話概括:"表征 - 學習 - 推理" 三位一體的推薦原生設計。 下面逐一拆解。

3.1 統一廣告語義 ID（UA-SID）：給廣告一個 "身份證"

核心思想：用一個端到端微調的多模態大模型（MLLM）為每條廣告生成統一嵌入，再通過精心設計的量化方法將其編碼為離散 Semantic ID。

第一步：統一廣告嵌入（UAE）

• 指令微調（Instruction Tuning）：針對快手廣告的 6 種典型形態（直播、商品、達人等），設計了 6 套提示模板，引導 MLLM 從不同視角理解廣告內容。比如對直播類廣告，引導模型分析主播畫像和地域特征；對外部投放廣告，則聚焦產品行業和品牌信息。
• 共現學習（Co-occurrence Learning）：用戶行為中的共現關系蘊含了豐富的協同信號。論文使用 Swing 方法估計物料共現強度，并采用 InfoNCE 對比學習目標將其注入表征：

第二步：MGMR RQ-Kmeans 量化

這是 UA-SID 的 "殺手锏"。論文提出了多粒度 - 多分辨率（Multi-Granularity-Multi-Resolution）的 RQ-Kmeans 量化策略：

• 多分辨率（MR）：低層級使用更大的碼本捕獲主導語義因子，高層級用較小碼本建模低熵殘差，有效提升碼本利用率。
• 多粒度（MG）：在最后一層用基于非語義特征的哈希映射替代向量量化 —— 將轉化類型、賬戶 ID 等業務信號直接編碼進 SID，一舉解決 "相同內容、不同投放策略" 導致的 SID 碰撞問題。

最終每個廣告物料被映射為一個離散 UA-SID 序列：

3.2 LazyAR：懶惰解碼器的大智慧

生成式推薦在推理時需要通過 Beam Search 生成多個候選 SID 序列。標準自回歸解碼要求每一層都依賴上一步的輸出，這在 Beam 數很大時造成了巨大的計算瓶頸。

論文的一個關鍵觀察是：第一層 SID 最難學、損失最大，但它的 Beam 只有 1（從 BOS 開始）；后續層級更容易，Beam 卻呈指數級膨脹。 大部分計算被浪費在了 "簡單的事情" 上。

LazyAR 的核心操作： 將對上一步 token 的依賴 "延遲" 到中間某一層（第 K 層）注入：

• 前 K 層（并行層）：不依賴上一步 token，僅基于位置編碼和上下文 X 進行計算，所有層級和所有 Beam 可以并行計算并共享
• 后 L-K 層（自回歸層）：注入上一步 SID 嵌入后進行標準自回歸解碼。

為什么 LazyAR 有效？

1. 第一層 SID 的解碼過程完全不受影響（從 BOS 經過全部 L 層）。

2. 前 K 層在潛空間中進行推理，能編碼關于候選 token 的有用信號。

3. 引入 MTP 輔助損失，強制前 K 層即使沒有上一步 token 也能學到足夠信息。

論文特別指出：這個設計是推薦原生的，不適用于標準 LLM 解碼 —— 因為 LLM 解碼通常不用 Beam Search，且后續 token 的預測難度不一定下降。

3.3 價值感知的監督學習（VSL）

在廣告場景中，不同樣本的商業價值天差地別。VSL 圍繞 "價值感知" 做了三件事：

①SID + eCPM 聯合預測： 在標準 SID 交叉熵損失之外，將 eCPM 離散化為桶并追加為額外的預測 token：

②價值感知樣本加權： 每個樣本的權重 ，高廣告價值用戶和深度交互行為（如購買）獲得更高權重。

③MTP 輔助損失： 配合 LazyAR，強制前 K 層并行解碼的表征質量。

最終 VSL 目標：

3.4 排序引導的強化學習（RSPO）：從 "學分布" 到 "優排序"

VSL 能擬合歷史數據分布，但它不直接優化下游排序目標，也不支持對未知標簽分布的探索。論文因此引入了 RSPO（Ranking-Guided Softmax Preference Optimization），一個面向列表級 NDCG 優化的 RL 算法

RSPO 的核心 loss

幾個精妙的工程設計：

• VSL 與 RSPO 的統一在線訓練：通過樣本級對齊分數動態調整兩個目標的權重 —— 模型排序與獎勵排序偏差大時加重 VSL（學好基礎分布），偏差小時加重 RSPO（精細化價值優化）。

四、線上部署：工業級系統的全閉環設計

GR4AD（0.16B 參數）已全量部署于快手廣告系統，實現了一套 “獎勵估計 → 在線學習 → 實時索引 → 實時服務” 的完整閉環。

4.1 四大核心模塊

• 獎勵系統（Reward System）：訓練獨立的 Reward Model 對 GR4AD 生成的候選集進行 eCPM 評分，在放松延遲約束的環境下進行更大 Beam 的探索，為 RL 訓練提供高質量信號。
• 在線學習模塊：實時構建 VSL 和 RL 兩種訓練信號，持續進行 mini-batch 更新，實時推送參數到推理服務。
• 實時索引模塊：用 SID 替代傳統嵌入索引。新物料到達時只需計算 UA-SID 并更新雙向索引（UA-SID ? Item ID），秒級生效，大幅改善冷啟動覆蓋和時效性。
• 實時服務引擎：處理用戶請求并返回排序廣告列表。

4.2 推理效率優化：把算力用在刀刃上

動態 Beam 服務（DBS）是本文的又一亮點，包含兩個子機制：

• 動態 Beam 寬度（DBW）：用遞增的 Beam 調度（如 128→256→512）替代固定寬度（512→512→512），在不損失最終候選質量的前提下大幅削減中間層計算。
• 流量感知自適應 Beam 搜索（TABS）：根據實時 QPS 自動調整 Beam 規模 ——低峰期加大 Beam 提升推薦質量，高峰期收縮 Beam 保障延遲和吞吐

此外還有一系列工程優化：Beam 共享 KV Cache：將 Beam 從 batch 維度轉移至序列維度進行組織，實現 KV Cache 的共享，顯著提升內存訪問效率（+212.5% QPS）、TopK 預裁剪：先并行選取每個 Beam 的 K 個候選結果，再對聚合候選集進行全局 Top-K 選擇，在有效縮減搜索空間的同時保證準確性（+184.8% QPS）、FP8 低精度推理（+50.3% QPS）、短 TTL 結果緩存（+27.8% QPS）。

最終效果:<100ms 延遲，500+ QPS/L20 GPU

五、實驗效果：廣告收入和推理性能的雙贏

5.1 總體性能與消融實驗

幾個關鍵發現：

• RSPO 是所有優化中增益最大的單一組件，顯著優于 DPO 和 GRPO，驗證了列表級 RL 在廣告場景的不可替代性。
• LazyAR 以極微小的精度代價換來了吞吐量翻倍，是實際部署的關鍵使能技術，優于 DeepSeek-MTP。
• DBS 在不損失收益的前提下進一步提升了效率，TABS 機制在低峰期還能反向提升收入。

5.2 Scaling Law

模型規模方向：從 0.03B 到 0.32B，收入提升從 + 2.13% 單調增長到 + 4.43%，訓練損失也持續下降。生成式廣告推薦的 Scaling Law 是成立的

推理規模方向：Beam 寬度從 128 增加到 1024，收入從 + 2.33% 提升到 + 4.21%。這意味著更強的推理時搜索能進一步釋放模型潛力—— 這與當前 LLM 領域 Test-time Scaling 的趨勢遙相呼應。

5.3 UA-SID 質量

在嵌入質量評估（photo-to-photo recall）中，經過指令微調和共現學習的 UAE 達到了 R@1=0.896，遠超基線 QARM（0.541）和原始 Qwen3-VL-7B（0.769）。MGMR 量化將 SID 碰撞率從 85.44% 降至 18.26%，碼本利用率提升 3 倍以上。

5.4 商業指標的全面勝利

• 商業化廣告收入4.2%+
• 中小廣告主投放量提升17.5%
• 廣告轉化率提升10.17%
• 低活用戶轉化率提升7.28%

基于內容的 SID 帶來的更強泛化能力和更實時的索引對冷啟動物料的更好支持，實現了平臺、廣告主、用戶的三贏

六、總結與思考

GR4AD 這篇論文的價值，不僅在于它達成了 4.2% 的收入提升這個數字，更在于它系統性地回答了一個關鍵問題：生成式推薦在廣告這個最 "硬核" 的工業場景中，到底應該怎么做？

它的答案是：不要照搬 LLM，要做推薦原生的設計

• Token 化不能只看內容語義，要把業務信號編碼進去（UA-SID + MGMR）。
• 訓練不能只做單點概率生成，要做價值感知的列表級優化（VSL + RSPO）。
• 推理不能只套用 LLM 加速技巧，要針對 "短序列、多候選、Beam Search" 的推薦特性做專門設計（LazyAR + DBS）。
• 系統不能離線批處理，要做實時索引、在線學習、閉環反饋的全鏈路打通。

GR4AD 是生成式推薦走向廣告工業核心場景的一個重要里程碑。 快手用超過 4 億用戶的真實流量驗證了這條路徑的可行性。可以預見，接下來會有更多廣告平臺跟進這一范式。