研究者提出RecHarness自动优化推荐模型框架
热点事件持续更新
研究者提出RecHarness自动优化推荐模型框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者发布论文提出RecHarness,一个用于推荐模型自动优化的 Agentic 框架:由 bandit router 根据历史验证反馈选择修改方向,LLM 在该方向内生成优化假设与可执行代码修改,并用 jump-basin 机制在局部编辑停滞时触发结构性跳转。 论文称,在一个大规模短视频广告平台为期7天的线上 A/B 测试中,入选候选模型使 ADVV 提升2.084%,收入提升0.534%,曝光提升0.559%。
AI 根据报道生成 · 31 分钟前更新
最新进展11月18日 13:00
RecHarness:一种 Bandit 路由的 Agentic 框架,用于自进化推荐系统报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIRecHarness:一种 Bandit 路由的 Agentic 框架,用于自进化推荐系统
研究者提出 RecHarness,一个用 Bandit 路由实现推荐模型自动优化的 Agentic 框架:由 bandit router 根据历史验证反馈选择修改方向,LLM 在该方向内生成优化假设与可执行代码修改,并用 jump-basin 机制在局部编辑停滞时触发结构性跳转。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。