论文提出面向生成式推荐的DAG多智能体代码进化框架并在腾讯部署。
资讯摘要
论文提出 TGR-EvoDAG，一个面向生成式推荐（GR）的多智能体代码进化框架，将代码进化建模为有向无环图以保留多条进化分支并合并互补创新，同时引入阶段感知成本规划与下游主动协同适配。作者报告在 Amazon 公开数据集上首次实现完整 GR 流水线的自主进化，离线指标最高提升 37.4%，Agent4Rec 模拟用户满意度提升 19.7%；在腾讯大规模商业媒体平台的部署中，离线 Hit@1 相对提升 12.16%，在线 CTR 提升 0.40%。
要点速读
- 论文将 GR 代码进化建模为 DAG，以维护多条进化分支并合并互补创新，并加入阶段感知成本规划与下游主动协同适配。
- 作者报告在 Amazon 公开数据集上首次自主进化完整 GR 流水线，离线指标最高提升 37.4%，Agent4Rec 模拟用户满意度提升 19.7%。
- 在腾讯大规模商业媒体平台的工业部署中，进化后的 GR 离线 Hit@1 相对提升 12.16%，在线 CTR 提升 0.40%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。