腾讯提出 TGR-EvoDAG 多智能体 DAG 演化框架
先了解这件事
2026年10月26日，AGI Hunt 报道腾讯团队在 arXiv 论文中提出 TGR-EvoDAG，一个面向生成式推荐（GR）的多智能体代码演化框架：它将代码演化建模为 DAG，并行维护多个演化分支并合并互补创新，同时引入分阶段 GPU 成本规划与主动下游协同适配。同日的 arXiv cs.AI 条目给出更具体的实验数据：在公开 Amazon 数据集上，该框架首次实现完整 GR 流水线的自主进化，离线指标最高提升 37.4%，Agent4Rec 模拟用户满意度提升 19.7%；在腾讯大规模商业媒体平台部署中，进化后的 GR 离线 Hit@1 相对提升 12.16%，在线 CTR 提升 0.40%。早先报道只笼统称在腾讯推荐场景下提升了演化成功率和跨阶段收益，后续报道则补充了具体数据集与量化结果。
AI 根据报道生成 · 33 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- arXiv cs.AITGR-EvoDAG：面向腾讯生成式推荐、基于 DAG 的多智能体代码进化框架
TGR-EvoDAG 是面向生成式推荐（GR）的基于 DAG 的多智能体代码进化框架，并引入阶段感知成本规划与下游主动协同适配。在公开 Amazon 数据集上，它首次实现完整 GR 流水线自主进化，离线指标最高提升 37.4%，Agent4Rec 模拟用户满意度提升 19.7%。在腾讯大规模商业媒体平台部署中，进化后 GR 离线 Hit@1 相对提升 12.16%，在线 CTR 提升 0.40%。
- AGI Hunt腾讯提出 TGR-EvoDAG：多智能体 DAG 演化生成式推荐代码
腾讯团队在 arXiv 论文中提出 TGR-EvoDAG，一个面向生成式推荐的多智能体代码演化框架。该方法把代码演化建模为 DAG，并行维护多个演化分支并合并互补创新，同时引入分阶段 GPU 成本规划与主动下游协同适配。在腾讯推荐场景下，它统一了高级搜索与 GR 诊断反馈，提升演化成功率和跨阶段收益。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。