摘要
工业推荐策略迭代严重依赖大规模A/B实验,传统方式耗时且历史知识难以复用。现有RAG代理因扁平化组织经验,导致检索不匹配且无法持续优化。为此,我们提出A/B Agent,这是一种用于工业推荐策略优化的闭环智能体。该框架包含三个核心组件:历史策略知识组织、自主目标感知策略生成以及实验引导的策略自我进化。它将历史策略组织为分层经验树,通过多路径Tree-RAG检索可迁移证据以生成可执行策略,并持续分析在线A/B反馈以指导自主调优并更新经验树,实现自我进化。离线和在线评估证明了其有效性,在真实短视频电商推荐系统中GMV提升了4.829%。
AI 推荐理由
论文核心提出A/B Agent的“自我进化”机制,通过闭环反馈持续优化策略并更新知识库。
研究机构
The Hong Kong Polytechnic University
Hong Kong SAR, China
Kuaishou Technology
Beijing, China
University of Electronic Science and Technology of China
Chengdu, SiChuan, China
Southwest Jiaotong University
论文信息