Kuaishou
PulseAugur coverage of Kuaishou — every cluster mentioning Kuaishou across labs, papers, and developer communities, ranked by signal.
- 2026-08-30 product_launch Kuaishou held its 2026 Guanghe Creator Conference to discuss its content ecosystem and creator support. 来源
- 2026-07-06 regulatory Tencent reduces its stake in Kuaishou, no longer a major shareholder. 来源
- 2026-07-04 funding Kuaishou has filed for a 19 billion yuan financing round for its Kling AI video-generation unit. 来源
- 2026-05-28 product_launch Kuaishou's KeLing AI initiative is showing significant revenue growth and integration into core business operations. 来源
- 2026-05-19 funding Kuaishou announced significant investments and traffic incentives for its short drama content. 来源
- 2026-05-13 funding Kuaishou is exploring external funding for its Kling AI video business. 来源
- 2026-05-12 funding Kuaishou plans to spin off its AI subsidiary Keling AI and is seeking $2 billion in funding. 来源
- 2026-05-12 funding Kuaishou plans to spin off its AI subsidiary and is seeking $2 billion in funding. 来源
- 2026-05-12 funding Kuaishou plans to spin off its AI subsidiary, Kelin AI, and is seeking $2 billion in funding. 来源
5 天有情绪数据
Chinese tech firms accelerating AI investment, depleting budgets rapidly
Evidence suggests a trend among Chinese tech firms to rapidly accelerate AI development, consuming their entire annual budgets within four months. This aggressive spending, surprising CTOs, points to intense competition and a high-priority focus on AI capabilities across the sector.
Kuaishou seeking $2 billion in pre-IPO funding for Kling AI
Multiple reports indicate that Kuaishou's AI subsidiary, Kling, is seeking $2 billion in funding as part of its pre-IPO preparations. This significant funding round suggests strong investor interest and a substantial valuation for the AI product.
Kuaishou's Kling AI IPO valuation to exceed 130 billion yuan
Kuaishou is reportedly planning an IPO for its AI video product, Kling, with a target valuation exceeding 130 billion yuan. This is supported by multiple mentions of the spin-off and its funding goals. The IPO is anticipated next year, indicating a near-term event for the company.
Kuaishou's AI subsidiary named 'Keling AI'
Several recent clusters consistently refer to Kuaishou's AI subsidiary as 'Keling AI'. This naming convention appears stable and is a key detail for tracking the entity's AI ventures.
Kuaishou's rapid AI investment mirrors broader industry trend
The evidence suggests Kuaishou has accelerated its AI development to the point of consuming its annual budget in four months. This aligns with a broader trend noted across multiple clusters where tech firms are rapidly pushing AI initiatives, leading to similar budget accelerations and CTO surprise.
-
人工智能迅速改变亚洲娱乐业，引发争议
亚洲娱乐业，尤其是在中国和新加坡，正在迅速采用人工智能进行内容创作，目前超过95%的中国微短剧由人工智能生成。Kling AI、Seedance 2.0和HappyHorse等平台的用户数量激增，使得讲故事更加便捷，并显著降低了制作成本。虽然支持者认为人工智能是创作者的民主化力量，并解决了多样性问题，但人们仍然担心人类角色的潜在损失以及行业核心的艺术完整性。
-
字节跳动的Seedance 2.5和快手的Kling VIDEO 3.0接受比较
雷峰网测试了两个短视频生成模型，字节跳动的Seedance 2.5和快手的Kling VIDEO 3.0。Seedance 2.5因其卓越的视觉质量和过滤潜在问题内容的能力而受到关注。另一方面，Kling VIDEO 3.0在遵循提供的镜头列表和图像提示方面表现出更强的能力。
-
SOLAR框架使用SVD-Attention实现高效的终身推荐
研究人员开发了SOLAR，一个用于终身推荐系统的新框架，它利用SVD-Attention高效处理用户行为的大量序列。这种新颖的注意力机制将计算复杂度从O(N^2d)降低到O(Ndr)，使系统能够处理广泛的用户历史记录和候选项目而无需截断。SOLAR在RecFlow和MIND等基准测试中表现出卓越的性能，以低延迟实现了高AUC，并已完全部署在快手（Kuaishou）的生产推荐系统中，带来了视频观看量的可衡量增长。
-
Kwai 发布新 AI 编码助手 Kwai Pilot KAT Coder Pro V2.5
Kwai 发布了名为 Kwai Pilot KAT Coder Pro V2.5 的新 AI 编码助手。该工具旨在帮助开发人员完成编码任务。更多详情和教程可通过 YouTube 视频获取。
-
UniRec模型融合级联推荐阶段以提高用户参与度 · arXiv
研究人员开发了UniRec，这是一种新颖的模型，旨在通过融合推荐过程中不同阶段的信息来改进级联推荐系统。与之前专注于单阶段融合或简单跨阶段协调的方法不同，UniRec采用了统一的计算图，具有共享嵌入和双轴偏好对齐目标。这种方法确保了上游和下游阶段之间的一致性，并将成对目标重组为双向偏好证据。该模型还纳入了属性组相对正则化，以防止过度集中于高回报区域。UniRec已部署在快手平台，在离线测试中显示出优于基线方法的性能，并在在线A/B测试…
-
快手在2026光合大会上聚焦多元内容与创作者增长
快手召开了2026光合创作者大会，强调其致力于培育多元化和专业化的内容生态。首席执行官程一笑强调，独特的内容是快手社区的基石，过去一年有超过2.7亿用户通过内容表达自己。该平台旨在赋能垂直领域创作者，垂直领域创作者的收入是普通创作者的2.2倍，并计划于9月推出开放内容平台以支持各行各业。
-
HubMixer架构在快手部署中将推荐转化率提升了5.48%
研究人员开发了HubMixer，一种用于改进推荐系统特征交互的新型参数高效架构。该方法使用可学习的潜在中心来组织交互，首先将异构令牌汇总到这些中心，然后在中心空间内执行高阶交互，最后允许原始令牌选择性地从交互后的中心读取。大量的离线实验证明HubMixer优于最先进的模型，并且在快手招聘业务中的在线A/B测试显示简历投递转化率显著提高了5.48%，从而实现了全面生产部署。
-
新ACQ框架将快手平台广告收入提升6.20%
研究人员开发了一个名为自动化创意配额（ACQ）的两阶段框架，用于优化大规模在线广告中的广告创意分配。第一阶段使用多任务模型根据创意配额预测收入，并考虑了收入分布的偏斜。第二阶段将配额分配视为一个多项选择背包问题，并进行高效求解，以在容量限制下最大化广告收入。该框架已在快手广告平台上部署，使广告收入增加了6.20%。
-
快手科灵AI核心技术负责人王新涛离职
快手科灵AI视频生成模型的核心技术人物王新涛已离职。王曾就职于腾讯AI和ARC实验室，并以其在Real-ESRGAN和GFPGAN等开源项目中的贡献而闻名，他在科灵的开发中发挥了关键作用。他的离职给该项目未来的研发时间表带来了不确定性，因为它在一个竞争激烈的市场中航行。
-
新的诊断工具SIDScope评估生成式推荐接口
研究人员推出SIDScope，一个用于评估生成式推荐系统中语义ID（SID）接口一致性和结构的诊断资源。该工具分析物品到代码的伪影，验证来源，并分析来自Amazon和Yelp的各种数据集的映射结构。SIDScope的发现表明，接口健康是多方面的，前缀对齐是候选曝光的关键因素，并且有效的目标路径可以存在而无需唯一标识目标物品。该资源还强调了在映射修复后重新使用生成器时需要单独进行检查。
-
Kuaishou 部署 PushDualGen 以实现可解释的 AI 推荐
研究人员开发了 PushDualGen，这是一种新颖的轻量级生成模型，旨在改进大规模工业应用中的个性化内容推荐。该模型通过生成内容的语义 ID 和作为解释的补充性、可解释副本，解决了先前生成式推荐系统的“黑箱”性质。PushDualGen 已部署在 Kuaishou 的推送推荐系统中，并在在线 A/B 测试中取得了显著成果，将视频推荐参与度提高了 8.50%，并将不满率降低了 37.70%。该系统还旨在通过为不太受欢迎的视频提供更好的…
-
UniGD框架统一生成-判别模型用于工业搜索广告
研究人员开发了UniGD，一个统一生成和判别模型用于工业搜索广告的新框架。该方法旨在克服当前将这些模型分开级联的系统的局限性，这些系统会导致性能不佳和成本增加。UniGD将检索和相关性评分整合到一个模型中，采用冲突感知梯度增强（CAGE）等技术来管理冲突目标，并使用代码本锚定表示模块（CAM）来获得更丰富的语义理解。在快手平台上进行的在线A/B测试表明，广告收入增加了5.78%，推理延迟降低了33%，同时在NQ320K和MS300K等…
-
CAPMix 框架增强了在嘈杂环境中 AIOps 的异常检测能力
研究人员开发了 CAPMix，一个旨在改进 AIOps 系统中异常检测的新框架，特别是在数据嘈杂和动态变化的环境中。该方法通过使用可控的异常增强方法，并进行先验引导注入以实现更真实的 temporal 行为，从而解决了“异常偏移”问题。CAPMix 在各种基准测试中表现优于现有的最先进技术，并已成功应用于 Kuaishou 的生产系统中，从而减少了误报并提高了监控的可靠性。
-
新的PlatformBid基准测试从统一广告平台的视角评估自动竞价
研究人员推出了PlatformBid，这是一个旨在从统一广告平台的视角评估自动竞价算法的新基准测试。该基准测试通过同时考虑广告商转化和平台收入，解决了现有系统的局限性，并包含三种不同的竞争设置：同质、异质和促销。该研究还提出了一种名为BidFlow的新型自动竞价方法，该方法利用流量匹配技术来更好地管理动态竞争环境。
-
新的LGRID框架增强了本地生活服务推荐的可解释性SID
研究人员开发了一个名为LGRID的新框架，用于为本地生活服务推荐生成可解释的语义ID（SID）。该方法解决了现有方法在语义纠缠和可解释性方面存在的局限性。LGRID采用生成式解耦范式，利用联合LLM编码和结构化解耦块来分离地理和语义因素。在Kuaishou和Foursquare数据集上的实验表明，LGRID的性能优于当前的SID基线，在AUC方面取得了显著的提升，并降低了SID碰撞率。
-
FlashEvaluator 通过并行处理提高 AI 评估效率
研究人员开发了 FlashEvaluator，一个旨在提高推荐系统和自然语言处理中序列级评估效率的新框架。与对候选项目进行独立评分的传统方法不同，FlashEvaluator 通过将评估分解为共享上下文编码和可重用候选端计算，在单次前向传播中处理所有候选项目。这种称为 QKV-Cache 的方法显著减少了冗余计算，尤其是在候选项目重复出现时。在实际应用中，FlashEvaluator 在 Kuaishou 的在线部署中展示了显著的改进…
-
新的对空间生成方法提高了推荐系统效率
研究人员推出了一种用于推荐系统生成式重排的新颖方法——对空间生成（PSG）。PSG将生成过程从单个项目重新表述为有序项目对，显著降低了计算复杂性，并解决了自回归模型固有的训练-测试不匹配问题。该方法理论上提供了显著的加速和改进的次优界限，并已成功部署在快手，带来了用户参与度的可衡量提升。
-
快手广告系统通过新的TWICE预测框架提升收入
研究人员开发了一个名为TWICE的新框架，以改进在线广告中的长周期转化预测。该方法通过将转化概率与延迟分布分离开来，解决了延迟反馈的挑战。TWICE在快手广告系统的A/B测试中进行了测试，带来了预期收入、收入和转化的显著增长，并促使其全面部署。
-
腾讯将风投重点转向中国顶尖AI公司，支持快手AI部门
腾讯正在重新调整其风险投资方向，从传统互联网公司转向优先投资中国领先的人工智能公司。这一战略转变包括减持快手股份，同时支持快手AI视频部门Kling AI的一轮重要融资。这一转变凸显了腾讯致力于巩固其在快速增长的人工智能领域的地位。
-
UniR^2模型统一推荐系统召回与排序
研究人员开发了UniR^2，这是一种统一的、仅解码器的Transformer模型，旨在将推荐系统中的生成式召回与多目标排序相结合。该方法通过在单一异构序列中处理用户上下文、物品特征和交互轨迹，解决了传统两阶段系统在目标不一致和信息丢失方面的局限性。UniR^2采用双查询前缀因果注意力（Dual-Query Prefix-Causal Attention）来实现任务特定可见性，并使用LoRA进行排序适应性调整，而不影响生成式主干。在快手…