跳转至

RecGPT-V2：层级多 Agent 用户意图推理

Fidelity: 核心机制复现。实际执行短期/长期/类目 agent、meta-router、混合表示与 KL 约束偏好更新。

论文信息

项目 内容
论文链接 arXiv 2512.14503
公司/机构 Alibaba / Taobao
首次公开日期 2025-12-16（arXiv v1）
原文开源代码 否：论文未提供官方/作者代码（核查日期：2026-08-09）
Adapter recgpt-v2
本地复现代码 src/auto_research/reproductions/recgpt_v2/

原始论文总结

背景与主要改动

RecGPT-V1 的多条固定推理链重复且难泛化。V2 用层级多 Agent 拆解意图，混合压缩行为表示，动态生成 meta-prompt，再用多奖励约束 RL 和 Agent-as-a-Judge 对齐。

flowchart LR
  H["用户行为"] --> C["Hybrid compression"]
  C --> A1["短期 Agent"]
  C --> A2["长期 Agent"]
  C --> A3["类目 Agent"]
  A1 --> M["Meta-prompt router"]
  A2 --> M
  A3 --> M
  M --> R["Constrained preference RL"]
  R --> J["Agent-as-a-Judge"]

原论文关键图

RecGPT-V2：层级多 Agent 用户意图推理 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ \pi(a\mid h)=\sum_k g_k(h)\pi_k(a\mid h),\qquad \max_\pi\ \mathbb E[R]-\beta D_{\mathrm{KL}}(\pi\Vert\pi_0). \]

论文离线与线上效果

论文报告 exclusive recall 9.39%→10.99%、GPU 消耗 -60%、tag prediction +24.1%、explanation acceptance +13.0%。淘宝线上 CTR +2.98%、IPV +3.71%、TV +2.19%、NER +11.46%。

本地复现

本地对照口径：相对 RecGPT-V1 单路兴趣基线，实验组 NDCG@10 +18.52%。

相对单路 RecGPT-V1 代理：Hit@10 0.14048→0.14762，NDCG@10 0.07514→0.08905（+18.52%），head share 0.21762→0.18167。指标见 metrics/movielens-1m-seed42.json。

auto-research reproduce --paper recgpt-v2 --dataset-dir data --seed 42

复现边界

Agent 是公开数据上的可训练小型专家，不是淘宝私有 LLM；没有人工 Judge 标注、解释生成或线上资源测量。