AutoRecLab：描述实验，获取代码！

实证评估是推荐系统（RecSys）研究的核心，但将实验设计转化为可执行代码仍然是一项手动且容易出错的任务。我们推出了 AutoRecLab，这是一个基于 Python 的自主 RecSys 实验室，可根据自然语言提示自动执行 RecSys 实验。给定一个研究想法，AutoRecLab 会推导出明确的实验需求，构建并验证原型，然后通过迭代将其扩展为所要求的完整实验。该工作流结合了用于文档查找的检索增强生成（RAG）、静态类型验证和执行引导的树搜索。在演示中，AutoRecLab 自主实现了一个从显式反馈到隐式反馈的转换研究。在涵盖六种算法和三个数据集的基线比较中，使用 GPT-5.4-mini 时，9 次运行中有 8 次成功，平均每次运行成本约为 1 美元。