論文の概要: RecEvolve: A Knowledge-Driven Autonomous Agent System for Recommender Systems

• arxiv url: http://arxiv.org/abs/2609.01622v1
• Date: Mon, 20 Jul 2026 20:33:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.444045
• Title: RecEvolve: A Knowledge-Driven Autonomous Agent System for Recommender Systems
• Title（参考訳）: RecEvolve: Recommenderシステムのための知識駆動型自律エージェントシステム
• Abstract要約: 本稿では,大規模2解探索モデルに直接展開する知識駆動型自律エージェントシステムの実証検証について述べる。 研究ライフサイクル全体、アイデア生成、コード実装、オフライントレーニング、メトリクス評価を委譲することで、エージェントシステムは40以上の完了した自律トレーニングをゼロから実行した。 厳格な生産規模の評価の下で実行し、システムは最新の生産モデルに隠されたアーキテクチャ上のボトルネックを体系的にナビゲートし、NDCGの20%の相対的な改善を実現した。
• 参考スコア（独自算出の注目度）: 0.7031168639565997
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rise of agentic AI has catalyzed a shift toward self-iterating systems, opening new frontiers for the autonomous optimization of production recommender models. This paper presents the empirical validation of a knowledge-driven autonomous agent system, deployed directly on a production large-scale Two-Tower retrieval model. By delegating the entire research lifecycle, spanning idea generation, code implementation, offline training, and metric evaluation, to a continuous closed-loop autonomous framework, the agent system executed over 40 completed autonomous training runs from scratch. Executing these runs under rigorous production-scale evaluations, the system systematically navigated hidden architectural bottlenecks on the latest production model to achieve a breakthrough ~20% relative improvement in NDCG, a gain that translated directly to a +3.77% increase in user satisfaction in live production traffic. Furthermore, the deployment exposed critical vulnerabilities in standard evaluation protocols, as the agent system autonomously discovered reward-hacking shortcuts. These findings prove that an autonomous pipeline can dramatically accelerate the pace of machine learning research and stress-test the rigorousness of underlying experimental infrastructure, while also exposing novel challenges such as reward hacking and redundant exploration of failed hypotheses.
• Abstract（参考訳）: エージェントAIの台頭は、自己刺激システムへのシフトを触媒し、生産レコメンデータモデルの自律的最適化のための新たなフロンティアを開放した。 本稿では,大規模2解探索モデルに直接展開する知識駆動型自律エージェントシステムの実証検証について述べる。 研究ライフサイクル全体、アイデア生成、コード実装、オフライントレーニング、メトリクス評価を、連続的なクローズドループ自律フレームワークに委譲することで、エージェントシステムは40以上の完了した自律トレーニングをゼロから実行する。 厳格な生産規模の評価の下で実行し、システムは最新の生産モデルに隠されたアーキテクチャ上のボトルネックを体系的にナビゲートし、NDCGの相対的な改善を20%達成した。 さらに、エージェントシステムが報酬ハックのショートカットを自律的に発見するなど、標準評価プロトコルの重大な脆弱性が明らかになった。 これらの結果は、自律パイプラインが機械学習研究のペースを劇的に加速し、基礎となる実験インフラの厳格さをストレステストし、報酬のハッキングや失敗する仮説の冗長な探索といった新たな課題を明らかにしていることを証明している。

関連論文リスト

• Auto-RecSys: Harnessing Autonomous Research Agents for Industry-Scale Recommender System [20.228106034590336]
  Auto-RecSysは、産業規模のレコメンデーションモデルに関する長期実験のための自律的な研究システムである。 Auto-RecSysは、実験サイクルあたりの人的時間を大幅に削減し、プレイブックが成熟するにつれて実行信頼性を向上させる。
  論文  参考訳（メタデータ） (2026-09-10T00:09:18Z)
• Self-evolving Agentic Customer Support System at LinkedIn [6.687642783904948]
  本稿では,LinkedInの自己進化型エージェント支援システムについて紹介する。 検索強化ジェネレーションと進化的オートプロンプティングを統合している。 システムはプロンプト、検索、評価をクローズドループ、バージョン付きワークフローとして扱う。
  論文  参考訳（メタデータ） (2026-08-10T20:51:18Z)
• AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems [82.01232437066487]
  AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。 自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。 AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
  論文  参考訳（メタデータ） (2026-06-25T10:42:28Z)
• AutoSOTA: An End-to-End Automated Research System for State-of-the-Art AI Model Discovery [49.77172027295716]
  AutoSOTAは、トップレベルのAI論文で発表された最新のState-Of-The-Art(SOTA)モデルを進化させるエンドツーエンドの自動研究システムである。 報告された方法を超える新しい105種類のSOTAモデルを発見し、平均して1紙あたり平均5時間である。
  論文  参考訳（メタデータ） (2026-04-07T07:52:01Z)
• EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
  Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。 しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。 実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T11:33:49Z)
• AgentEvolver: Towards Efficient Self-Evolving Agent System [51.54882384204726]
  本稿では,自律型エージェント学習を駆動する自己進化型エージェントシステムであるAgentEvolverを紹介する。 AgentEvolverは、セルフクエスト、セルフナビゲート、セルフコントリビューションという3つのシナジスティックメカニズムを導入している。 予備実験により、AgentEvolverは従来のRLベースのベースラインと比較して、より効率的な探索、より優れたサンプル利用、より高速な適応を実現していることが示された。
  論文  参考訳（メタデータ） (2025-11-13T15:14:47Z)
• STARec: An Efficient Agent Framework for Recommender Systems via Autonomous Deliberate Reasoning [54.28691219536054]
  我々は、自律的な熟考的推論機能を備えたレコメンデータシステムを支援する、ゆっくり考えられた拡張エージェントフレームワークSTARecを紹介する。 我々は,先進的推論モデルと嗜好整合型報酬形成から構造化知識の蒸留を組み合わせた2段階のパラダイムであるアンカー強化訓練を開発する。 MovieLens 1MとAmazon CDsベンチマークの実験では、STARecは最先端のベースラインと比較して、大幅なパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2025-08-26T08:47:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。