RecHarness: 一种基于Bandit路由的智能代理框架用于自进化推荐系统

arXiv 2026 51.2 method

TLDR

RecHarness使用bandit路由器和LLM自动化推荐模型优化，实现稳定改进和实际收益。

评分理由

The paper presents a novel approach combining bandit algorithms with LLMs for automated recommender system tuning, supported by both offline experiments and an online A/B test. Strengths include clear separation of direction selection and hypothesis generation, and a jump-basin mechanism for long-horizon exploration. Weaknesses: limited to recommender systems, not general scientific discovery; no comparison to other automated research agents beyond LLM search.

Read-first 评分解释

综合优先阅读分 51.2，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 37。

近期性 8%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集、实验、验证

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码、数据集、GitHub

主题相关性 42%

30.8

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：AI scientist、automated scientific discovery、autonomous research agent、automated research、literature review agent、survey generation、automated experimentation、experiment design agent、AI for scientific research、paper writing agent、research automation、scientific discovery agent

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：79。

关键词评分

automated experimentation

experiment design agent

automated research

research automation

AI for scientific research

automated scientific discovery

autonomous research agent

AI scientist

scientific discovery agent

literature review agent

survey generation

paper writing agent

深度分析

创新点

Bandit路由优化，解耦方向选择与假设生成
跳跃盆地（Jump-basin）机制，激活结构跳跃臂以逃离局部停滞

方法

RecHarness将自动模型优化分为两步：bandit路由器根据历史验证反馈选择下一个修改方向，LLM在该方向内生成具体的优化假设和可执行代码编辑。跳跃盆地机制在局部编辑停滞时触发结构跳跃臂，以维持长期探索。

关键结果

在多个推荐任务、数据集和模型骨干上，RecHarness比LLM推理搜索实现了更稳定的性能提升，并更有效地利用了有限的试验预算。在一个大规模短视频广告平台上的7天在线A/B测试中，所选候选方案使ADVV提升2.084%，收益提升0.534%，曝光量提升0.559%。

技术栈

Bandit RouterLLMJump-Basin MechanismRecommender Systems

资源

论文