Sakana AI 推出 QD-Rec:用质量多样性进化搜索做开放式推荐
SakanaAILabs · x · 2026-10-20
Sakana AI 发布推荐新方法 QD-Rec,并同步放出博客、论文与开源代码。
- 问题设定:企业并购候选筛选、客户产品推荐、论文推荐这类决策,关键不只是按分数排序,而是要从多个视角比较「为什么选、选了有什么可能」。候选可达上万条,逐一穷举假设成本过高,Sakana 将其定义为「开放式推荐」问题。
- 方法:把进化探索领域的 Quality-Diversity(QD)技术引入推荐——LLM 把已积累的假设迁移到新候选上、组合多个假设生成新提案;保留新颖提案、相似提案择优保留,让多样假设成为下一步发现的「踏脚石」。
- 实验:在并购候选探索、模拟客户定向、论文推荐三个场景验证,相同评估次数下,QD-Rec 在多数设置中评分更高,且积累的推荐更丰富多样。
- 定位:强调 AI 不是替人做决策,而是提供多样选项与比较依据,目标是发展成支持下一代决策的基础技术。
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
- Conditional Program 压缩 LLM n-gram 查找表，存储省 75% 且保真度更高 — dnotitia · 2026-10-20
- 消融实验显示领域区分设计可贡献最多 3.7 分 agent 性能 — morgymcg · 2026-10-20
- 独立研究者把文档藏进冻结 72B 模型的「物理记忆卡」，SSD 存取可复现答案 — Nearby_Indication474 · 2026-10-20
- 系统性梳理 9 个前沿模型的 Vision Encoder 设计差异 — liuziwei7 · 2026-10-20
- continuous control 中 critic-only RL 势头渐起，新论文扩展 GQN 工作 — m_wulfmeier · 2026-10-20
- AIPOCH 开源 Open-Science：给 AI 研究装上可溯源审计链 — rohanpaul_ai · 2026-10-20