A Self-Triggered Agentic Push Recommendation System
自触发式Agent推送推荐系统
🧭 自触发Agent推送推荐 ★ 深度解读
ByteDance · Peking University
将推送推荐建模为自触发闭环决策，用DT联合优化时机与是否推送，显著提升活跃度并降低计算开销
📌 工作参考价值（4 点）
- 时机与动作联合优化：将推送的“何时触发”与“是否推送”统一为自触发闭环Agent，可迁移至电商广告的触达、消息提醒等场景，避免固定间隔预测的资源浪费。
- 序数回归稳定预测时间：用等频分桶将连续时间预测转化为序数回归，搭配门控RTG注入条件，解决高噪声下模型忽略RTG信号的问题，适用于任何需要预测最优间隔的推荐或排序场景。
- 轻量过滤代理节约计算：在执行重排序前用仅依赖用户和上下文特征的MLP过滤低价值请求，可显著降低下游排序的QPS成本（达79%），对大规模工业推荐系统尤其有借鉴意义，如电商推荐流/广告候选生成前的粗筛。
- Bellman RTG纠正离线日志偏差：用贝尔曼方程重新计算回报并重赋权动作，缓解离线数据中次优行为的影响，适合在利用DT优化长期指标的业务中直接复用。