KDD Cup 2026腾讯广告算法大赛落幕：冠军方案全程用DeepSeek网页版开发

事件概述

KDD 2026期间，腾讯营销以KDD Cup 2026官方赛道身份公布赛题结果，赛题聚焦“大规模推荐系统的统一序列建模与特征交互”。参赛者需要用一套统一的Recommendation Block，将推荐系统过去分离的序列建模与特征交互合并到同一架构，验证推荐系统能否像大模型一样拥有可不断扩展的统一架构。赛事使用腾讯真实业务脱敏数据，总奖金池超过600万元。

核心信息

• 赛事共吸引52个国家和地区、13,913名选手、5,746支队伍参赛。
• 学术赛道冠军为队伍lozyyeah，独享200万元奖金，创下国内企业技术竞赛最高单项奖金纪录。其方案提出CRAFT特征传输机制，设计了一个意图Token作为用户兴趣“背包”：用户画像、广告等非序列特征生成控制信号，从模型浅层开始引导并维护这个意图Token；用户行为序列作为兴趣素材，在每一层网络中受控制信号驱动，对意图Token迭代更新，最终用迭代后的意图Token做预测。
• 工业赛道冠军为队伍“日之光面（sunshot）”，方案以候选商品Query Token作为全局交互枢纽，将FM式显式高阶特征交叉嵌入统一Block内部，不额外新增分支。实测对比基线AUC提升0.0048，单样本算力消耗下降18%。
• 值得关注的是，工业赛道冠军团队赛后复盘称，整套模型代码、多卡分布式训练逻辑、数十组消融实验的迭代工作均仅使用DeepSeek网页版完成，只有论文终稿做语言润色时少量使用GPT，全程未调用付费API。
• 赛事还设置了Unified Block和Scaling Law两项创新奖，即使榜单排名不顶尖，架构思路足够有启发性也可获奖。

行业背景

过去工业推荐系统多采用模块化分工：一套模型处理用户历史行为序列，另一套模块处理用户画像、商品属性等离散与连续特征，最后融合输出。随着业务规模扩大，模块增多带来调参、迭代、维护成本上升，在GPU训练和推理时代，异构多模块架构的算力浪费问题更加突出。此次赛题正是希望从更底层架构出发，推动推荐系统的“大一统”。主办方强调不只看离线AUC，推理速度和工程可行性同为硬约束，因此同时设置学术和工业两条赛道，既探索新模型范式，也直接在工业场景中检验方案。

TAAC诞生于2017年，今年为第七届，首次与ACM KDD深度合作，升级为KDD Cup官方赛道，将中国互联网真实产业问题开放给全球技术团队共同求解。