字节、快手、阿里、腾讯这两年的广告推荐技术进展

作者 | 薛梁

在行业内，各公司的技术团队已经把搜索、推荐、广告的技术合并为一体，在架构和算法上没有特别大的差异。

这几年整个推荐引擎的演变非常快，推荐引擎的三个核心技术：召回技术、排序技术、机制技术，对应到算法和架构上也有了很大的变化，像后来兴起的向量召回，大规模在线 Ranking 计算，强化学习等技术，都得到了相应的发展。

另外，云原生也对推荐引擎底层的分布式架构解藕带来了研发效率提升的影响；AI 算力的演化，召回的算力越来越强，Ranking 的算力越来越强；训练推荐模型的创新也带来了新思路。

在 11 月 5-6 日 AICon 人工智能与机器学习大会（2021）北京站上，来自字节跳动、快手、腾讯、阿里的技术专家将围绕各自的工作领域，讲解推荐系统的最新应用进展。

一、2016 年开始，海外开始出现互动技术在商业化上应用的探索，并不断在互动广告、品牌互动、游戏化方面得到价值验证，全球主流广告平台已布局和推动互动技术应用。

字节跳动也有广泛的海外业务，他们是如何保证互动广告、品牌互动和游戏化的价值最大化的呢？这里就需要解决互动创意的策划方法论、批量化生产、高效管理流转、精准投放优化和高性能渲染保证用户体验问题。

字节跳动商业化互动技术负责人梁云鹏老师届时将带来演讲《字节跳动在互动技术上的建设和应用》，分享互动技术的难点和挑战。

演讲提纲：

互动技术的发展背景

互动技术在全球移动广告上的应用和现状

互动技术的难点和挑战

字节跳动在互动技术上的建设及应用

你将获得：

了解互动技术在全球移动广告应用的背景及现状

了解互动技术在移动广告上的难点和挑战

熟悉字节跳动在互动技术上的建设和应用

在移动广告方向上拓展新的建设思路

二、沉浸式的短视频消费越来越重要，推荐会面临很多挑战，比如众多用户反馈信号如何整合排序，沉浸式消费中正负反馈如何做快速的反应，上下文内容对推荐如何影响等，传统的粗排，精排，重排漏斗形三阶段排序，还不足以满足这些复杂的需求，融合到统一的排序模型里很难实现。

快手社区科学部技术总监李彪将会带来《快手沉浸式推荐多阶段排序系统》，介绍快手沉浸式推荐场景，以及推荐中遇到的问题。

演讲提纲：

快手沉浸式场景介绍

快手多阶段排序方案

多队列融合排序

上下文排序

混合排序

端上排序

你将获得：

快手对沉浸式排序的思考和方案

知道前沿的推荐排序模型进展，开阔思路

沉浸式推荐的理解，以及未来的发展趋势

三、阿里妈妈承载着阿里集团电商业务的核心收入。一方面，随着深度学习的广泛应用，算法模型创新日新月异，这就对整个在线服务架构提出了高效快速迭代与持续推升算力供给天花板的挑战；另一方面，面对 CPU/GPU/NPU 的硬件资源池环境，如何在在离线混布大背景下，最大化资源利用效率也是一个有趣的挑战。

阿里妈妈资深技术专家孙鹏将带来《异构计算在阿里广告 AI 推理中的应用、优化与启示》，从搜索 / 推荐广告的场景出发，结合真实需求，阐述问题的解法、选型与相关思考，从算法 - 系统 - 硬件协同优化的角度给出通用与定制优化方案，即如何切实解决超大规模稀疏场景下 DL 复杂模型的异构计算效能问题。

演讲提纲：

阿里妈妈模型服务演进历史与现实挑战

算法 - 软件 - 硬件（CPU/GPU/NPU）协同优化

未来趋势发展的一些思考

你将获得：

了解阿里广告平台阿里妈妈在线异构计算加速的一些实战沉淀

阿里妈妈广告场景下算法 - 软件 - 硬件协同性能优化的一些通用方法

DataCenter 中面向算力和超大规模稀疏场景的在线服务未来趋势演进思考

四、作为个性化时代互联网的核心应用，信息流推荐技术一直是工业界研发与创新的战场。腾讯专家研究员李帅将带来《腾讯新闻信息流推荐技术实战》，从腾讯新闻的业务场景出发，拆解信息流推荐的业务问题，结合相应的算法技术与工程技术，阐述信息流推荐的技术方案与实践：从海量的内容池筛选到个性化多目标精准排序，从实时的数据流计算处理到超大规模的模型训练平台，以及效果的在离线衡量办法。