EvoRec：自我进化代理推荐系统

优化现代推荐系统仍然严重依赖工程师手动迭代，这种迭代速度很慢并且受到个人专业知识的限制。基于 LLM 的代理开辟了一条实现此循环自动化的道路，但仍然存在两个问题。首先，代理仅用作代码翻译器，并且在迭代中不积累任何方法。其次，优化空间被限制在预定的范围内，很少引入结构上的新想法。为了解决这些问题，我们提出了 EvoRec，这是一个多智能体框架，可以共同进化推荐模型和驱动它的优化方法。四个协作代理执行双轨循环：研究代理和代码代理每轮迭代模型，而技能进化器定期从过去实验的持久记忆中提取可重用的方法。对两个公共基准和一个大型工业数据集的实验表明，EvoRec 将离线指标比最强基线提高了 5.54%，在线 A/B 测试带来了 1.85% 的收入提升和 1.02% 的点击率增益。