AutoRecLab：描述实验，即可获得代码！

实证评估是推荐系统（RecSys）研究的核心，但把实验设计转化为可执行代码仍是一项手动且易错的任务。我们提出AutoRecLab，一个基于Python的自主RecSys实验室，可从自然语言提示开始自动化RecSys实验。给定研究想法，AutoRecLab推导显式的实验需求，构建并验证原型，并迭代扩展为所需完整实验。该工作流结合了用于文档检索的检索增强生成（RAG）、静态类型验证与执行引导的树搜索。在演示中，AutoRecLab自主实现了一项显式-隐式反馈转换研究。在覆盖六个算法、三个数据集的基线比较中，使用GPT-5.4-mini时9次运行中8次成功，平均成本约1美元/次。