跳转至

Melo：生产级 LLM 音乐推荐 Agent

Fidelity: 核心机制复现。本地执行意图路由、grounded 检索与失败反思重试；不把公开代理环境冒充网易云音乐生产系统。

论文信息

项目 内容
论文链接 arXiv 2607.23718
公司/机构 NetEase Cloud Music / Zhejiang University of Technology
首次公开日期 2026-07-26（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 melo
本地复现代码 src/auto_research/reproductions/melo/

原始论文总结

背景与主要改动

用多节点 Agent 编排意图、检索、推荐与解释，以实体目录 grounding 阻止幻觉，并在失败时触发反思重试。

flowchart LR
    Q["用户请求"] --> I["意图节点"]
    I --> R["检索/推荐节点"]
    R --> G["entity grounding"]
    G --> V{"有效?"}
    V -->|否| F["reflective retry"]
    F --> R
    V -->|是| O["playlist"]

原论文关键图

Melo：生产级 LLM 音乐推荐 Agent 原论文 Figure 2

原论文 Figure 2（关键图）：展示原论文方法的总体设计和关键组成。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

\[ \hat e=\arg\max_{e\in\mathcal E}s(q,e),\quad \text{retry}=\mathbf1[\hat e\notin\mathcal E\ \lor\ score<\tau]. \]

论文离线与线上效果

约百万用户、2026-04-02 至 05-10 的系统级 A/B 报告 playlist retention 提升超过 2pp；该数值包含 Muse Mix 产品/UI 整体影响。

本地复现

本地对照口径：基线为无运行时修复的 catalog recommender，实验组为 grounding + retry；Hit@10 -20.00%、NDCG@10 -8.16%，fresh Hit@10 +50.00%。

MovieLens 目录执行 entity grounding、候选校验和一次 reflective retry，记录错误修复路径。

auto-research reproduce --paper melo --data-root data --seed 42

稳定结果见 result-seed42.json。

复现边界

无法隔离论文系统 A/B 中模型、产品面和 UI 的贡献，论文也未给置信区间；本站明确保留该归因限制。