CORAL：面向生产推荐系统的 LLM 原生研究闭环¶

复现级别：核心机制 + 公开数据。 实现有预算约束的配置提案、短期实验记忆、效果反馈与下一轮更新。

论文信息¶

字段	内容
论文链接	arXiv 2609.02730
公司/机构	Meta AI（第一作者第一署名单位）
首次公开日期	2026-09-02（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	`coral`
本地复现代码	`src/auto_research/reproductions/coral/`

CORAL 把推荐优化建模为连续闭环：LLM 根据目标、预算和最近实验记忆生成结构化配置，执行系统验证约束并运行实验，再把观测结果写回下一轮上下文。与一次性自动调参相比，它强调可执行约束、短记忆和生产反馈。

flowchart LR
  G[目标与预算] --> P[LLM 提案]
  P --> C[约束投影]
  C --> E[线上/离线实验]
  E --> M[最近三轮记忆]
  M --> P

原论文系统与实验流程图。图片来自原论文，版权归原作者所有。

每轮先求满足预算的配置 \(x_t=\Pi_{\mathcal C}(x_{t-1}+\Delta_t)\)，其中 \(\mathcal C=\{x\mid x_i\ge 0,\sum_i x_i\le B\}\)；策略上下文只保留最近三轮 \((x,e)\) 观测，避免无限增长和陈旧反馈污染。

Meta 数百万用户实验中，部署配置使视频观看 session 提升 0.16%、观看时长提升 0.15%，低信号新用户 session 提升 0.23%，且没有增加 serving 成本。另一服务的第二轮实验在 engagement 中性的前提下，将首轮年化容量节省再提高 44%。

在 MovieLens 100K 上执行五轮预算分配、三轮记忆和 validation-only blend；三 seed 产物见 metrics/public-seeds42-44.json。该结果只验证控制器闭环和约束可执行性，不把公开小数据效果等同于 Meta 线上因果增益。

本地对照口径：seed 42 固定均分基线 NDCG@10=0.05401，实验组=0.05021，相对变化 -7.02%；其余 seed 与完整轨迹保留在指标产物中，不隐藏负结果。

未接入 Meta 私有遥测、生产 LLM、实验平台或线上流量；实现可作为推荐 Evolve 的控制器算子组合使用。