RecEvolve：知识驱动的推荐系统自主进化¶

复现级别：核心机制 + 公开数据。 实现提案、critic gate、隔离试验、冠军继承、回滚与 reward-hack 拒绝。

论文信息¶

字段	内容
论文链接	RecSys 2026
公司/机构	Google（第一作者第一署名单位）
首次公开日期	2026-07-20（arXiv v1）
原文开源代码	否：未发现原作者公开代码（核查日期：2026-09-06）
Adapter	`recevolve`
本地复现代码	`src/auto_research/reproductions/recevolve/`

RecEvolve 让研究 Agent 从实验知识库提出模型变体，以独立验证集选择冠军，并用版本化状态支持失败回滚。系统显式防止通过极端温度等方式“刷指标”，让上一轮结论成为下一轮可审计的研究知识。

flowchart LR
  K[实验知识库] --> A[研究 Agent]
  A --> T[隔离候选实验]
  T --> C{Critic / 防作弊}
  C -->|通过| V[验证集选冠军]
  C -->|拒绝| R[回滚]
  V --> K

原论文总体架构图。图片来自原论文，版权归原作者所有。

候选 \(c_t\) 仅在通过 critic gate 后按独立验证效用 \(J(c_t)\) 与当前冠军比较；若 \(J(c_t)>J(c^*)\) 则原子更新 \(c^*\leftarrow c_t\)，否则回滚。异常低温等作弊配置由约束函数 \(g(c_t)\) 提前拒绝。

系统自主运行 41 个实验，离线 NDCG@50 从 0.4796 提升到 0.5751（+19.9%）。生产 A/B 中用户满意度提升 3.77%、独特内容提升 7.44%，冷启动发现时间指标降低 16.50%。

MovieLens 100K 上用固定候选空间执行完整研究控制流；三 seed 结果见 metrics/public-seeds42-44.json。本地指标用于比较同一公开协议下的控制策略，不复刻 Google 私有 Two-Tower 数值。

本地对照口径：固定候选基线 NDCG@10=0.05401，validation 选择后的实验组=0.05431，相对变化 +0.56%；这是公开小数据机制结果，不外推为线上收益。

未复刻 Google 私有日志、TPU 集群、生产 coding-agent 工具链和线上实验归因；该 adapter 作为推荐 Evolve 的统一多轮控制器算子。