EvoSkillRec：把推荐模型拆成「技能基因组」自动进化架构
_reachsumit · x · 2026-09-29
arXiv 论文 EvoSkillRec 提出一个累积式推荐架构进化框架。核心做法：
- 将推荐模型分解为原子可执行「技能」，每项技能带输入输出类型、语义标注与实现代码，架构表示为带类型的技能基因组
- 在两个耦合空间中进化：受约束的技能空间负责变异、重组、特化与复用已验证技能；开放式代码空间由 LLM planner/synthesizer 借助进化历史发明新技能模块
针对 LLM 驱动的代码进化常见的无效编辑、浪费已有设计知识、无法复用成功创新等问题，该框架通过「晋升-复用」机制实现架构知识的累积。作者团队来自业界推荐系统团队与高校，含 Xiaopeng Li、Ruiming Tang、Xiangyu Zhao 等。
「研究」频道最新
- 心理学家 Gopnik:儿童的「缺点」恰是卓越学习者的关键 — AlisonGopnik · 2026-10-24
- 构造出可证等价于 Con(ZFC) 的丢番图方程，Lean 证明进行中 — IgorCarron · 2026-10-24
- 研究估算:每兆焦 LLM 产出 123-417 美元经济价值 — dan_s_becker · 2026-10-24
- AI 参与论文引用了根本不存在的 TorrentFreak 文章 — TangerineDream · 2026-10-24
- 如何量化企业的 AI 投入?新论文给出测量框架与数据集盘点 — TaniaBabina · 2026-10-24
- LLM 推理范式或正从批并行转向序列并行,扩散式 LM 是终点? — sedielem · 2026-10-24