QD-Rec：通过质量-多样性实现推荐的开放式演化

arXiv:2610.23470v1 公告类型：cross 摘要：开放式搜索与基础模型相结合，已经带来了诸多进展，例如更快的算法、开放数学问题的新成果以及能够自我改进的智能体。我们将这一范式扩展到用于决策的推荐领域，重点关注这样一类决策：可能的选项集合是固定的，但选择这些选项的理由并不固定。在高风险决策中，例如决定收购哪家公司或瞄准哪位客户，相比单一的排序列表，比较多样且理由充分的选项可能更有用。我们将开放式推荐形式化为构建一个多样化、高质量的推荐集合，其中每条推荐都由一个项目及一个假设组成；该假设是自然语言描述的理由，用于说明该项目为何符合决策者的需求。我们提出了 QD-Rec，这是一种质量-多样性方法：利用上下文老虎机选择项目，并以基础模型根据早期假设生成新的假设；这些早期假设会作为探索的踏脚石保存在档案中。如果一条新推荐具有新颖性，或优于其最近邻推荐，就会被加入档案。在 M&A、客户定位以及论文和图书推荐等任务中，QD-Rec 在大多数设置下取得了最高的平均质量，并构建了规模最大的档案。