OneRec-V2

该技术报告介绍了 OneRec-V2，这是一个用于推荐系统的工业级生成式框架，旨在解决其前身 OneRec-V1 的可扩展性和性能瓶颈。OneRec-V2 的主要创新在于采用了一种 Lazy Decoder-Only 架构，该架构通过消除传统编码器并简化交叉注意力机制，将计算需求降低了 90% 以上，从而实现了模型参数的有效扩展（最高可达 80 亿）。此外，该系统引入了基于 真实用户互动 的偏好对齐（Preference Alignment）机制，包括 Duration-Aware Reward Shaping 和 Gradient-Bounded Policy Optimization (GBPO)，以更好地利用用户反馈信号并增强训练稳定性。在快手和快手极速版上的 A/B 测试 表明，OneRec-V2 在显著提升 App 停留时间 等关键指标的同时，有效平衡了多目标推荐，避免了此消彼长的问题。

arxiv.org