RecHarness: A Bandit-Routed Agentic Harness for Self-Evolving Recommender Systems

保真度：核心机制复现。原文结论、本地公开数据实验和未复刻部分分开陈述。

论文信息

项目	内容
论文链接	arXiv 2607.29241
公司/机构	Huazhong Agricultural University (Kuaishou internship)
首次公开日期	2026-07-31（arXiv v1）
原文开源代码	是：RecHarness
Adapter	recharness
本地复现代码	src/auto_research/reproductions/recharness/

原始论文总结

背景与主要改动

将结构改造定义为有限 arm，用 bandit 根据历史收益和不确定性分配试验预算，再把胜者反馈写回下一轮候选。

flowchart LR
 A["候选结构 Arms"] --> B["Bandit 路由实验"] --> C["反馈更新"]

原论文关键图

原论文 Figure 1（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

\[ a_t=\arg\max_a[\hat\mu_a+\sqrt{2\log t/n_a}] \]

论文离线与线上效果

原文的主要线上证据为 ADVV +2.08%（10% traffic, 7 days）。论文离线表与线上指标使用私有或论文指定口径，不能与下面的 MovieLens 数字直接比较。

本地复现

本地对照口径：基线为共享 transition + content scorer；实验组在相同用户、物品、全库候选和 seed 上只加入 recharness 核心机制，相对 NDCG@10 -9.02%。

MovieLens-100K、220 users / 360 items、seed 42：NDCG@10 0.0540 → 0.0491（-9.02%），Hit@10 0.1091 → 0.1000。验证集只用于选择机制混合权重，测试集没有参与调参。

auto-research reproduce --paper recharness --dataset-dir data --seed 42

固定指标见 metrics/public-seed42.json。

复现边界

在 MovieLens-100K 固定全库候选、相同切分和 seed 上执行论文核心机制；公司私有特征、生产基础模型与在线流量不可公开，论文 A/B 数字仅作原文引用。 本地实现执行了独立的模型状态和打分路径；它不是把论文名映射到同一个加权公式。未复刻项见 adapter 的 omitted_core_components，本地相对变化不得与原文 A/B 提升混写。