为什么推荐系统还在靠静态打分？
大多数推荐框架把候选项塞进固定的向量空间，再用同一套打分函数排序。这种做法在候选池不断扩张、偏好不断漂移时，往往只能靠重训练来缓解，成本高、反应慢。
QD-Rec 的核心循环：bandit → LLM 变异 → niche 竞争
项目把推荐单位拆成 候选（公司、顾客、论文）与 假设（书面理由），然后跑三步循环：
bandit 选候选
用多臂老虎机策略在现有档案里挑出最值得探索的候选，避免盲目遍历。
LLM 变异与交叉
把选中的候选喂给 proposer（默认 openai/gpt-6-luna），让模型写出新的推荐理由，或把两条理由杂交出第三条。
niche 竞争与收录
生成的假设形成新的 niche，若档案里没有相似 niche 就直接入库；否则与最相似的旧 niche 进行一次 grader（默认同模型）打分的 1v1，赢者留档。
三大实验域的设计逻辑
论文在三个完全不同的场景各跑 1,000 轮生成-评估：
- 并购（M&A）：用 2024‑08 LSEG 数据，约 6,300 家美国公司，测试能否挖掘潜在收购对象；
- 客户定位：1 万份虚构加州客户画像，考察对长尾偏好的覆盖；
- 论文推荐：ICLR 2026、ICML 2026、NeurIPS 2025 共约 17,500 篇，验证学术检索的多样性。
实验配置里 proposer=claude-sonnet-5、grader=gpt-5.6-terra，开源仓库默认走 OpenRouter（proposer/judge = openai/gpt-6-luna，embedding = text-embedding-3-small）。结论只写“多数设置下 QD-Rec 平均分更高、archive 更大”，不再给百分比头条。
跑起来要准备什么
环境要求 Python 3.10+、uv 包管理器，以及一个 OPENROUTER_API_KEY。M&A 真实数据需要付费 LSEG 订阅，其余实验配置与数据说明见论文与仓库 README。
不适合的场景
如果你只需要固定候选池的一次性排序、且没有持续探索新假设的预算，直接用传统向量检索更省事。QD-Rec 的优势在于“开放式、持续进化”，不在静态榜单上争毫秒。
获取与引用
官方公告：sakana.ai/qd-rec/；GitHub：SakanaAI/QD-Rec（Apache‑2.0）；论文：arXiv:2610.23470。技术细节另见 技术文章。
实测预算提醒：论文里 proposer 用的是 claude-sonnet-5、grader 是 gpt-5.6-terra，开源仓库（Apache-2.0 协议）默认走 OpenRouter 上的 openai/gpt-6-luna，每一轮都要调模型生成与打分，一千轮跑下来 token 开销不小，动手前先给 OpenRouter 账户备足额度。
