AgenticRS-Architecture：代理推荐系统的系统设计

AutoModel 是一种基于代理的架构，适用于工业推荐系统的整个生命周期。 AutoModel 不是固定的召回和排名管道，而是将推荐组织为一组具有长期记忆和自我改进能力的交互进化代理。我们沿模型、特征和资源轴实例化三个核心代理：用于模型设计和训练的 AutoTrain、用于数据分析和特征演化的 AutoFeature 以及用于性能、部署和在线实验的 AutoPerf。共享的协调和知识层连接这些代理并记录决策、配置和结果。通过对论文自动训练模块的案例研究，我们展示了 AutoTrain 如何通过从方法解析到代码生成、大规模训练和离线比较的闭环来自动化论文驱动的模型复制，从而减少方法转移的手动工作。 AutoModel 能够实现大规模推荐系统的本地自动化且全球一致的演进，并且可以推广到其他人工智能系统，例如搜索和广告。