STEPS：全量部署的自触发 Agentic Push 推荐

Fidelity：核心机制复现。公开数据只验证论文机制，不模拟生产流量。

论文信息

项目	内容
论文链接	arXiv 2608.01949
公司/机构	ByteDance / Douyin
首次公开日期	2026-08-03（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	steps
本地复现代码	src/auto_research/reproductions/steps/

原始论文总结

背景与主要改动

固定频控无法实时调整，周期轮询又在成本与时机间冲突。STEPS 把“是否推送”和“何时再次唤醒”合成闭环：planning agent 用 gated ordinal regression 规划间隔，execution agent 用轨迹回报决定发送，轻量 filter agent 控制算力并拦截异常计划。

flowchart LR
 A["学生 / Agent rollout"] --> B["规划唤醒间隔 → 执行推送 → 过滤保护 → 再次自触发"]
 B --> C["可审计的目标或状态更新"]
 C --> D["公共 mini-suite 评测"]

原论文关键图

原论文 Figure 3（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

\[ p(k|s)=\sigma(b_k-f_\theta(s))-\sigma(b_{k-1}-f_\theta(s)),\quad a_t=\arg\max_aQ_\phi(s_t,a),\quad \tilde a_t=a_t\mathbf1[g(s_t)>\tau]. \]

论文离线与线上效果

已全量部署于 10 亿+用户的抖音；线上 active days +0.2843%，push permission disablement -1.9089%，filter 降计算开销 79.42%。

本地复现

本地对照口径：基线为共享 transition + content scorer，实验组只加入 STEPS 核心机制；相对 NDCG@10 +66.05%。

执行 ordinal interval、trajectory utility、filter safeguard 和闭环自触发得分。

MovieLens-100K、260 users / 420 items、seed 42：NDCG@10 0.0354 → 0.0588（+66.05%）；线上数值仅引用原文。

auto-research reproduce --paper steps --dataset-dir data --seed 42
auto-research evolve --model rankmixer --dataset movielens-100k --direction "探索 steps 的已安装核心算子" --generations 2 --population 4

固定指标见 metrics/public-seed42.json。

复现边界

MovieLens 没有真实 push permission、触达成本和 wall-clock 唤醒器，只验证决策分解。