OneRec分享原视频回放&欢迎同频的你加入 – 小红书

OneRec分享原视频回放&欢迎同频的你加入 – 小红书
很幸运能代表团队小伙伴来介绍OneRec前前后后的研发过程。 我们正在做的事情： 1. 探索 Gen-RecSys 的Scaling Law 解构推荐场景下的“Chinchilla时刻”，包括数据、模型结构、tokenizer、memory等； 2. 模型的深度推理（Reasoning）与意图对齐（Intent Alignment） 让模型“思考”而不是“拟合”，包括精细化的 Reward Modeling（奖励建模）、高质量数据（High-Quality Data）挖掘，以及 Data Efficiency等。 3. 自主探索与利用（Exploration & Exploitation, E&E） 在闭环的数据自循环系统中，利用真实的交互反馈中持续地自我迭代和增强。 4. 攻坚生产化的核心挑战 这包括（但不限于）提升模型在复杂分布下的鲁棒性（Robustness），量化（Quantization）、知识蒸馏（Distillation）等，确保模型能够高效、低成本地服务于海量用户。 无论是LLM的背景还是Reco的背景都可以，但希望你是 1. 对AI技术具备强烈热情，认同技术驱动业务与社会价值提升； 2. 关注推荐大模型/大语言模型技术前沿，对行业动态有持续追踪和理解； 3. 在某一领域有突出成果，包括但不限于： 1）在ICML、ICLR、NeurIPS 、ACL、CVPR、ICCV、ECCV等国际顶级会议以一作发表过论文； 2）有ACM/ICPC、TopCoder、Kaggle等算法竞赛获奖经历； 二维码我放评论区哈，欢迎投递～ #快手OneRec #推荐大模型 #llm #互联网大厂实习 #强化学习 #多模态