AutoRSE 基准实测：LLM Agent 推荐系统提升多靠调参与集成
_reachsumit · x · 2026-10-29
AutoRSE: Evaluating LLM Agents as Recommendation Engineers for Self-Evolving Recommender Systems
- 该基准在六个推荐任务上评测 LLM agent 作为「推荐工程师」的表现，面向自我演化的推荐系统场景。
- 论文的核心发现是：agent 带来的收益主要来自调参（tuning）与模型集成（ensembling），而非提出新的推荐算法。
- 论文与代码链接见原帖。
「研究」频道最新
- 结合蛋白设计只解释约 3% 临床失败，AlphaFold 类模型被高估？ — clarejtbirch · 2026-10-29
- Byte H-Net 代码任务显示 2.24 倍计算效率，OpenAI 研究员提醒规模 caveat — willdepue · 2026-10-29
- 467页图解《心理学与神经科学原理》上线,可配 AI 导师阅读 — burkov · 2026-10-29
- 新工作论文：AI 可依据预注册文件预测经济学处理效应 — birchlse · 2026-10-29
- kalomaze：固定尺寸 UTF-8 线性投影基线够用，BPE 只是惯性特权 — kalomaze · 2026-10-29
- ProgramLab 发布：1261 个真实程序作智能体训练场，可单练也可组队 — jyangballin · 2026-10-29