AutoRecLab：描述实验，自动生成推荐系统实验代码
🧭 Agent 自主科研与代码生成
University of Siegen · University of Göttingen
用自然语言提示自动实现推荐系统实验代码，结合RAG、静态类型验证与执行引导树搜索
📌 工作参考价值（4 点）
- 把实验代码生成拆成“需求抽取→原型→验证→迭代扩展”的流水线，可借鉴到内部实验平台：用 LLM 自动将实验配置转成可执行 Python/Java 代码，减少手工编写 baseline 和评估脚本。
- RAG 检索内部 RecSys 框架、数据 API 和实验平台文档，能显著减少 LLM 对私有接口的幻觉；结合静态类型检查（mypy/pyright）和执行反馈（跑测试、捕获报错）作为生成质量门禁，比单纯生成代码更可靠。
- 执行引导的树搜索可复用：对候选代码路径展开、执行、根据结果剪枝，适合离线批量生成多个算法/多数据集实验；文中单次成功运行约 1 美元，说明小规模试跑成本可接受。
- 该演示主要覆盖学术场景的显式→隐式反馈转换实验，业务落地还需补充线上数据 schema、评测指标、版本管理等约束，但可先作为内部实验脚手架或新人 onboarding 工具。
SciLENS：RL驱动的本地科学文献证据导航与综述智能体
🧭 Agent 科学文献证据导航
Tsinghua University · Renmin University of China · Institute of Information Engineering, CAS · USTC · Peking University
全本地科学文献Agent，以结构可视化与逆向分解过程奖励训练，性能对标GPT-5.2
📌 工作参考价值（4 点）
- 把“结构可视化”作为 agent 可调用工具放进推理循环：在电商知识图谱（商品、类目、品牌、共购关系）上先抽取多跳子图，压缩成图表/拓扑摘要喂给 LLM，避免原始实体列表塞满 context；适合类目规划、趋势综述、归因分析等宏观任务。
- 自动化标注管道：用已有行为图/商品知识图谱构建多跳子图问题，采用多模型共识（如 3-5 个强模型投票）过滤，零人工标注生成用于推荐/搜索 agent 的监督与 RL 训练样本。
- 逆向分解式过程奖励：奖励不只给最终答案，将最终证据链反推成“规划→检索→引用”的 rubrics，分别给过程 reward；可迁移到购物助手、搜索 agent 训练，约束中间过程必须引用真实商品/证据，提升可追溯性。
- 全本地双 tier 索引+LLM：若业务对隐私/合规有要求，可参考本地向量库+图索引服务约千万级商品/内容，既保证离线可部署，又降低 API 成本，适合电商搜索/推荐中的合规助手。
自主分析代理的创新残差审计：定位、检测限与错误控制
🧭 代理审计的检测极限与错误可控性分析
Johns Hopkins University
对无监督代理错误审计进行理论分析，揭示评分选择对错误传播的影响并给出统计控制方法
📌 工作参考价值（4 点）
- 设计代理操作审计系统时，需谨慎选择评分函数：基于单步条件概率的评分会掩盖下游继承错误，导致一个错误只触发一处警报；基于长程重构的评分能使单次错误扩散为多操作标记，有助于暴露错误影响范围。
- 在电商推荐场景中，若用Agent自动生成分析报告（如活动效果归因），可借鉴论文的统计错误控制程序，在无标注错误样本下，仅利用历史正确分析的可交换性，控制单次审计的错误发现比例。
- 错误检测灵敏度主要受限于操作表示的维度（而非训练数据量），提示在开发审计工具时应优先优化表示质量，盲目增加正确分析样本收益甚微。
- 对于累积型错误，需动态调整比较窗口长度以平衡检测延迟与误报风险，这与推荐系统中在线模型退化的渐进式监控问题有相通之处。
SkillCenter：面向自主AI智能体的大规模源归因技能库
🧭 Agent 技能增强与知识基础设施
Stony Brook University · University of Southern California · Lehigh University · Florida State University
提出迄今最大的开放技能库，含216,938个源归因结构化技能，提升AI智能体输出正确性与安全性
📌 工作参考价值（4 点）
- 在电商Agent的开发中，可借鉴源归因机制，要求每个自动化决策或文案生成均关联到具体知识来源（如行业标准、历史最佳实践），从而减少幻觉输出，增强可信度和合规性。
- 技能模板化生成结合SkillGate质量门控，可用于自动构建和维护电商运营知识库（如促销策略、商品描述规范），通过LLM初步生成后自动校验，降低人工审核成本。
- 离线可搜索的SQLite FTS5打包方式适合集成到推荐系统流水线中，为实时决策提供毫秒级技能检索，避免外部API延迟。
- 多源采集（学术论文+社区贡献）的融合思路，可启发构建电商领域的专家知识众包与审核闭环，持续迭代业务知识库。
EvoPolicyGym：交互环境中自主策略进化的评估基准
🧭 自主策略进化评估
University of Science and Technology of China · The Chinese University of Hong Kong · University of Macau · Tsinghua University · Zhejiang University
提出自主策略进化评测框架，在固定交互预算下诊断Agent迭代改进策略的过程与机制
📌 工作参考价值（4 点）
- 策略迭代中的预算分配诊断可直接迁移到推荐策略线上实验，通过分析每次改进尝试的“编辑类型/反馈利用”诊断迭代效率，避免盲目重试。
- “反馈转化为参数调优”思路可应用于推荐模型在线学习：将用户反馈映射为模型参数（如Embedding、权重）的精细调整，而非重新训练全量参数。
- 环境紧凑但多样化的设计理念可借鉴到离线策略评估：为搜索/推荐Agent构建一组交互式沙盒环境，低成本验证策略改进能力。
- 轨迹级别诊断（trajectory diagnostics）可作为评估推荐系统Agent改进行为的分析工具，区分“偶然胜利”与“真实机制发现”，提升迭代方案的上线信心。