Sakana AI 推出 QD‑Rec：不只輸出排序，還生成多元決策理由

10月23日消息，东京 AI 实验室 Sakana AI 开源QD‑Rec，一套基于质量‑多样性（Quality‑Diversity）开放式进化的推荐研究框架，打破传统推荐系统只输出排序列表的范式，面向并购、客户定位、学术文献等高风险决策场景arXiv。

传统推荐大多返回一条排好序的候选清单，但在重大商业决策场景，决策者更需要同一个候选对应的多种不同论证视角，用来多角度权衡利弊，而不是单一的打分结果。

QD‑Rec 把推荐任务重新定义：产出一批兼顾高质量与多样性的结果，每一条结果 = 候选条目 + 大模型生成的自然语言推理理由（假设），解释该选项为什么匹配业务目标arXiv。

整套系统由两大核心模块驱动：

1. 上下文多臂老虎机（contextual bandit）：负责从候选池挑选待评估条目，平衡挖掘已有优质方向、探索尚未覆盖的新空间；

2. 大模型提案生成器：以存档库中已有的推荐作为 “跳板”，变异、重组生成全新的决策理由。新产出的推荐，只要具备新颖性，或是质量优于存档中最接近的样本，就会被存入存档库持续迭代扩充候选集合智源社区。

研究团队在企业并购 M&A、客户定向营销、论文与图书推荐多套数据集开展实验。多数测试条件下，QD‑Rec 可以得到更高平均质量，同时构建规模更大的推荐存档集合。该项目属于实验性研究原型，并非面向普通用户的成品业务产品，全部代码已开源发布。

该技术适合高风险决策辅助：固定候选池不变，但决策论证角度可以无限发散；给决策者提供多元的分析视角，而不是被单一排序结果限制思考。项目配套论文、代码仓库对外公开。