Recommender Systems Self-Evolving Agents Automated Machine Learning Bandit Algorithms
摘要

现代推荐模型的优化仍严重依赖工程师手动迭代架构、目标和训练策略。尽管基于大语言模型(LLM)的智能体可自动化此试错过程,但在有限实验预算下,让LLM同时选择修改方向和生成具体假设往往导致搜索不稳定。为此,我们提出RecHarness,一个用于自动推荐模型优化的Bandit路由智能体框架。RecHarness将优化过程分为两步:Bandit路由器根据历史验证反馈选择下一个修改方向,而LLM在该选定方向内生成具体的优化假设及可执行代码编辑。为维持长期探索,RecHarness采用跳跃盆地机制,在局部编辑停滞时激活结构跳跃臂。在多个推荐任务、数据集和模型骨干上,RecHarness比LLM推理搜索实现了更稳定的性能提升,并更有效地利用了有限的试验预算。在大型短视频广告平台为期7天的在线A/B测试中,选定的候选方案使ADVV提高了2.084%,收入提高了0.534%,曝光量提高了0.559%。

AI 推荐理由

论文核心在于通过Bandit路由和LLM生成代码实现推荐系统的自我优化与迭代,符合Agent自我进化的定义。

研究机构
乔治亚理工学院 快手科技
论文信息
作者 Haoran Ling, Yuecheng Li, Zeyu Song, Jing Yao, Shuwen Kang et al.
发布日期 2026-07-31
arXiv ID 2607.29241
相关性评分 9/10 (高度相关)