PulseAugur
中
实时 08:29:02
English(EN) TGR-EvoDAG: A DAG-based Multi-Agent Code Evolution Framework for Generative Recommendation on Tencent

新框架支持生成式推荐系统的自主代码进化

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了TGR-EvoDAG，一个新颖的多智能体框架，用于生成式推荐（GR）系统的自主代码进化。这种基于有向无环图（DAG）的方法允许维护多个进化分支并合并互补的创新，解决了现有方法在成本盲目和短视评估等方面的局限性。TGR-EvoDAG通过阶段感知成本规划优化GPU小时预算，并通过积极的下游协同适应来应对临时指标回归。该框架在Amazon数据集上展示了显著的改进，包括离线指标增加37.4%，模拟用户满意度提高19.7%；在Tencent的媒体平台上，Hit@1提高了12.16%，在线点击率提高了0.40%。 AI

影响 支持生成式推荐系统的自主代码进化，有望提高实际应用的效率和性能。

排序理由 该条目是一篇arXiv论文，详细介绍了新框架及其在数据集和工业部署中的性能。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架支持生成式推荐系统的自主代码进化

本文如何被排名

Signal score
18 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该条目是一篇arXiv论文，详细介绍了新框架及其在数据集和工业部署中的性能。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, product, infra
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Junlin He, Junzhang Zhu, Yudong Li, Yihong Tang, Xuefeng Jiang, Wei Ma, Chengxiang Zhuo, Zang Li ·

    TGR-EvoDAG：一个基于DAG的多智能体代码进化框架，用于腾讯的生成式推荐

    arXiv:2610.32326v1 Announce Type: new Abstract: Large Language Model (LLM) agents have enabled automated code evolution for algorithm discovery. However, current recursive self-improvement (RSI) research for sequential recommendation faces a dilemma: general-purpose frameworks la…

相关实体

相关话题