0
0今天的这篇的主题是： CORAL: An LLM-Native Harness for Production Recommender Systems
Seventy3 是一档借助 NotebookLM 解读前沿论文的播客——不是念摘要，也不是泛泛而谈，而是让 AI 帮你把论文掰开揉碎，说人话。我们蹲在人工智能、大模型、机器人算法、crypto 这几个领域，每期挑一篇值得关注的工作，用对话的方式聊给你听。你可以在通勤路上听，做实验的时候听，也可以当背景音放着，让新知识自然地长进脑子里。
如果你正在做有意思的研究，想让更多人看到——不管你是博士生、独立研究者还是实验室的博士后——把论文发给我们，我们帮你用 AI 做一期深度解读，让你的工作被更多同路人发现。
联系小助手微信：eccstartup（加群/投稿论文）
Summary
生产级推荐系统决定着数十亿人所看到的内容，而维持这些系统的性能需要持续优化：随着内容、用户行为和上游模型不断变化，必须反复审视和调整控制召回、排序与服务的各项决策。
传统上，人类工程师通过在线实验来测试这些变更，但这一过程缓慢且被动，并受到工程资源投入的限制，导致系统的某些部分无法随着环境变化得到及时调整。尽管大语言模型已经被应用于排序、用户建模和离线模型开发，但很少有系统能够让智能体进入一个持续运行的闭环，直接作用于在线推荐系统，并从其决策产生的实际效果中学习。
我们提出了 CORAL（Constraint-Optimized Recommender via an Agentic Loop，基于智能体闭环的约束优化推荐系统），一种原生面向大语言模型的智能体运行框架（Harness），旨在构建这一闭环。
在每一轮循环中，智能体首先观察系统运行信号，结合对历史决策及其结果的记忆进行推理，然后调用工具重新配置推荐系统。这些工具包括一个数值优化器，用于确保调整始终处于固定的运行预算约束之内。每轮调整产生的实际测量结果又会用于指导下一轮决策。
我们将这一过程形式化为一个部分可观测、非平稳、带约束的优化问题。在这一框架下，智能体策略能够从先前的行动中通过上下文学习持续改进，而无须更新模型参数。
我们在两个大型社交平台上通过 A/B 实验进行了评估。结果表明，同一套 Harness 在其中一个平台上能够在不增加服务成本的情况下提升用户参与度，而在另一个平台上则能够在不降低用户参与度的前提下降低服务成本，覆盖了用户参与度与系统效率之间的权衡前沿。
随着闭环迭代次数增加，系统性能持续改善。这表明，在明确的约束与安全护栏下，单一的智能体闭环有望自动化完成传统上由人类算法工程师承担的持续优化工作。
原文链接：arxiv.org
