淘宝 MARS:LLM Agent 为每个用户动态编排推荐全流水线
_reachsumit · x · 2026-11-20
淘宝 MARS(Multi-stage Agentic Recommendation System)技术报告:把个性化从单阶段预测扩展到整条推荐流水线的编排。
- 现状:工业推荐系统用召回→粗排→精排→重排的多级级联,但通道开关、配额、模型选择、分数融合等流水线级决策仍是工程师统一调好、对所有用户相同。
- 方案:基于微调 Qwen3-0.6B 的近线 agent,从受限动作空间生成七维的用户级配置(流水线模式、召回配额、模型选择、融合权重、重排设置);配置经校验、缓存后异步消费,级联从不等待 LLM 推理;有 schema 检查、回退与 kill switch 保证服务安全。
- 训练三阶段:Confidence-aware SFT 从教师模型蒸馏 schema 合法生成;FAPO(Format-Anchored Preference Optimization)通过 ActionMask 与后验加权学动作偏好;GRPO 在沙箱回放中用冻结奖励模型精调,不把探索性动作暴露给线上流量。
- 结果:在淘宝五个场景、超千万日活用户上进行两周 A/B 测试(原文在此截断)。
「编程与Agent」频道最新
- 第三方实测 Fable 记忆系统 Mnemos:模型自述“醒来时已带着过去” — RileyRalmuto · 2026-11-20
- Agents CLI v1.13.0 支持 eval 阈值门禁,让 agent 行为像代码一样过 CI — JeremyCMorgan · 2026-11-20
- 微软 MAI Code 2 上线 Copilot,用户实测称不输 Claude Opus — AmyKateNicho · 2026-11-20
- YC 新锐 covera 8 周从 0 做到 54 万美元 ARR,周增 30% — ycombinator · 2026-11-20
- Vercel 上线 sudo 模式 2FA 自动升级 DBSC,会话防盗更彻底 — cramforce · 2026-11-20
- Vercel Board:人类与 Agent 共用的 headless 消息板 — soleio · 2026-11-20