AgenticRecTune：以多 Agent 和自进化 SkillHub 优化推荐系统

Fidelity: 核心机制复现。本地真正运行三轮 Actor 提案、Critic 评价和 SkillHub 继承，可直接观察每轮候选与冠军。

论文信息

项目	内容
论文链接	arXiv 2604.26969
公司/机构	Google / Discover
首次公开日期	2026-04-21（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	agentic-rec-tune
本地复现代码	src/auto_research/reproductions/agentic_rec_tune/

原始论文总结

背景与主要改动

推荐系统配置跨召回、融合和重排，人工调节反馈慢且知识难复用。AgenticRecTune 将工作拆成 Actor、Critic、Insight、Skill、Online 五类 agent：生成方案、审查风险、总结洞见、沉淀技能，并从真实实验平台取回反馈形成闭环。

flowchart LR
  A["Actor proposes"] --> C["Critic reviews"]
  C --> O["Online experiment"]
  O --> I["Insight distills"]
  I --> S["SkillHub"]
  S --> A

原论文关键图

原论文 Figure 1：多 Agent 从配置提案到在线结果回流的完整工作流。图片来自原论文，版权归原作者所有。

核心公式

本地将每轮研究写成可审计状态更新：

\[ g_{t+1}=\arg\max_{g\in\operatorname{Actor}(g_t,\mathcal S_t)}\operatorname{Critic}(g;D_{val}),\qquad \mathcal S_{t+1}=\mathcal S_t\cup\{g_{t+1}\}. \]

论文离线与线上效果

• Value-Based Retrieval/pre-ranking：Engagement1 +0.75%、Engagement2 +0.90%、Diversity +0.48%。
• Value Fusion/ranking：+0.62% / +0.19% / +0.06%。
• Diversity/re-ranking：+0.21% / +0.29% / +3.43%；在线 A/B 为 live traffic 且 p<0.05。

本地复现

本地对照口径：基线为固定手调排序配方，实验组运行三轮 Actor–Critic–SkillHub；NDCG@10 相对 +17.34%。

三轮、每轮最多九个排序 genome，Critic 只看 validation，最终 test 隔离。冠军权重为 transition/content/diversity=0.30/0.35/0.35；相对固定手调基线 Hit@10 +8.33%、NDCG@10 +17.34%、fresh Hit@10 +150%。

指标见 metrics/movielens-100k-seed42.json。

auto-research reproduce --paper agentic-rec-tune --dataset-dir data --seed 42

复现边界

动作空间是本地可执行排序权重，不接 Google 实验排期 API，也不把确定性 validation 评价冒充线上 Agent。