近日，快手发布并开源其最新自研的多模态大语言模型 Kwai Keye-VL。Kwai Key-VL采用 VisionEncoder-Projector-LLM 架构，集成了文本、图像、视频信息的混合输入处理能力，旨在为用户带来更智能、更全面的多模态交互体验。如果有人突然问你：「这张图片中有几颗草莓」？你会如何快速回复？面对五彩缤纷的果盘，我们往往需要反复端详，放大图片再逐一清点，耗费不少时间才能得

DHPS 是国内首个在在线系统中实现的基于 RDMA 通信的可负载均衡高性能服务架构。该架构在满足快手在线系统严苛的高稳定性要求下，实现了超高性能，查询吞吐提升 270%。本文详细分享 DHPS 架构的技术演进之路。

本文以CNY内容会场为例，系统阐述了积木平台在架构设计、性能优化与系统集成等方面的技术实践与落地成果。通过体系化的技术架构，积木平台有效平衡了高效搭建与业务创新之间的关系，通过SSG静态生成、组件分级渲染与异步渲染等关键技术，解决了300+组件加载的页面性能瓶颈，实现了大规模组件场景下的流畅体验。单一技术问题的解决方案往往并不复杂，但当其置于低代码平台这一复杂架构背景下时，技术挑战呈指数级上升。期

随着6DoF视频技术的快速发展与不断进步，在未来，能够不断逼近真实的去记录各类赛事/演艺等宝贵内容的3D视频数字资产，并且基于这些3D视频资产，提供创作者在3D场景更自由的创作空间，使得视频创作者能够最大化的发挥自身创意，从自己的独特视角和对内容的理解，创作出源源不断的精彩个性化短视频，最终实现技术创新工具为创作者最佳创意服务的初衷。比如，在快手电商生态中，特别是在商品展示和试穿试戴场景，基于六自

你是否希望AI不仅能“看见”画面，更能“读懂”人心？传统方法在分析视频情感时，往往只能进行基础分类，难以理解复杂情感的动态变化。针对这一挑战，快手可灵团队与南开大学提出了创新解决方案——VidEmo，让AI首次实现“情智兼备”的情感推理。🧠 核心创新：像人一样“分步推理”研究团队提出了一个基于情感线索引导的树状推理框架。VidEmo不再试图一步到位，而是模拟人类的认知过程，分三个阶段层层递进：?

短视频广告推荐中常存在用户真实需求与广告内容、历史点击行为脱节的 “错位” 问题。快手推出的 Align³GR 广告生成式推荐大模型，以 “对齐” 技术为核心破解该难题，通过从基础对齐工具 DAS 到进阶大模型 Align³GR 的两步关键进化，让推荐系统同时读懂广告内容、把握用户真实偏好并契合平台与商家诉求，最终实现用户看得顺眼、商家获得效果、平台提升收益的三方共赢。

情感与主题的深度升华：模型并没有停留在“建雪雕”的表层，它提取了画面中巨大的“振兴东北”刻字，关联了片中“老程盼女儿、小李回流家乡”的人物背景，在总结中直指故事内核：“极寒的温度冻不住东北人的热血，冰雪项目不仅是奇观，更是承载着东北人振兴家乡、呼唤游子归乡的炽热情感与现实路径。当接收到“请找出视频中的高光时刻，并给出你的依据，时间戳用[mm:ss]的形式来表示”的指令时，Keye-VL-2.0-

快手 KwaiKAT 团队与南京大学刘佳恒老师 NJU-LINK 合作推出 SWE-Compass ——一个涵盖8大任务类型、8大编程场景、10种编程语言的代码智能统一评估框架，它包含2000个高质量实例，在任务类别、编程场景和语言方面实现了良好的平衡，为评估大型语言模型在实际软件工程任务中的能力提供了一个严格且具有代表性的评估框架。

你是否希望AI不仅能“看见”画面，更能“读懂”人心？传统方法在分析视频情感时，往往只能进行基础分类，难以理解复杂情感的动态变化。针对这一挑战，快手可灵团队与南开大学提出了创新解决方案——VidEmo，让AI首次实现“情智兼备”的情感推理。🧠 核心创新：像人一样“分步推理”研究团队提出了一个基于情感线索引导的树状推理框架。VidEmo不再试图一步到位，而是模拟人类的认知过程，分三个阶段层层递进：?

此外，为进一步推动VQE领域的研究，我们构建了一个全新的压缩视频编码先验数据集VCP，包含300个原始视频和多种HEVC编码配置下的编码先验（如运动矢量、预测帧、残差帧等），有效弥补了现有数据集中编码先验缺失的空白。在三个评估数据集和四个偏好维度上，MPS的表现优于现有的评分方法，使其成为评估和改进文本生成图像的有前景的指标。基于这一视角，我们提出了测试时能量适应（TEA），它将训练好的分类器转变