Sakana AI 用质量多样性优化做开放式推荐，覆盖并购与获客决策
SakanaAI · hf · 2026-10-20
Sakana AI 发布 QD-Rec，把开放式搜索与基础模型结合引入高风险决策推荐场景。论文将「开放式推荐」形式化为：构建一个多样且高质量的推荐集合，每条推荐是「条目 + 假设（自然语言说明该条目为何适合决策者）」的组合。方法上，QD-Rec 用上下文老虎机选择条目，由基础模型基于档案库中此前的假设作为「垫脚石」生成新假设；新推荐只有在足够新颖或优于最近邻时才进入档案库。在并购标的筛选、客户定向、论文与书籍推荐等任务上，QD-Rec 在多数设置下取得最高平均质量并构建出最大的档案库。代码已开源。
所属事件:Sakana AI 发布 QD-Rec：用质量多样性进化搜索做开放式推荐(2 条相关)→
「研究」频道最新
- PretrainGym 实测模型自动筛选预训练数据：Kimi K3 夺冠 — xeophon · 2026-10-20
- Claude 64 小时自主生成 31.8 万蛋白质设计，14/15 靶点成功 — kimmonismus · 2026-10-20
- Claude 独立完成科研项目：64小时生成31.8万蛋白质设计 — kimmonismus · 2026-10-20
- ACEdit 用非对称条件解决多轮图像编辑的漂移难题 — tau · 2026-10-20
- Salesforce 用集合级 RL 训练推理模型批量生成多样化科研点子 — Salesforce · 2026-10-20
- LightOn 发布 SlideOn 系列博客：方法、结果与消融全公开 — MoonL88537 · 2026-10-20