7.8
深览指数
科技Bestblogs·阿里技术··AI 生成
基于 RSI 架构的淘宝闪购店铺装修选品 Agent 实践
阿里技术团队将选品策略本身作为递归自我改进对象，用多岛进化（咖啡/西餐/甜品/饮品四岛）、品槽门控专家和 CMA-ES 优化器在 54 维权重空间里持续搜索候选策略，并以离线固定评估器内循环 + 线上 AB 外循环双层验证。8 天 AB 实验整店加购转化率 P2 相对提升 0.34%，作者坦承自动回灌发布仍在联调、多轮长期收益未验证。适合做搜索/推荐或 Agent 系统工程的技术读者。原文 ↗
核心观点
- ▍选品 Agent 的自我改进对象应是选品策略本身（权重、幂指数、多样性系数）与搜索状态（采样分布、精英档案、经验偏置），而非仅重算商品；只有反馈真正改变后续决策且可被检验，才算递归改进。
- ▍跨品类经营差异导致单一策略失效，需多岛进化保留差异化探索方向，并用品槽特征与门控专家在整店组合层面提供细粒度候选区分信号。
- 01策略空间含 54 个权重自由度及 10 个幂指数、MMR 系数等连续变量，组合空间极大，故采用 CMA-ES 自适应更新采样分布，配合步长受限调度、精英档案复用与经验方向偏置。
- 02固定离线评价预算对照实验中，CMA-ES 获得的平均留出模型评分高于随机搜索与固定步长基线。
- 03一期线上 AB 8 天有效观测期内，整套方案整店加购转化率 P2 相对提升 0.34%，验证离线模型评分与真实业务指标正相关。
- 04工程上解耦在线选品（毫秒级响应）、日更批量（日级重算橱窗与推荐、保留海报固定挂品参与去重）与离线进化搜索三条链路，以策略产物连接。
- 05作者强调离线代理目标与状态更新必须分开验证：前者判断候选评分，后者判断历史结果利用是否改善后续搜索。
反方 / 局限
- — 自动回灌与发布流程仍在联调，多轮经验积累的长期改进效果需后续独立实验验证，当前仅证明单期 8 天收益。
- — 作者明确指出递归运行不保证每轮进步，改进速度也未必持续加快；没有足够改进证据时保留基线也是循环的合理结果。
- — 0.34% 为 P2 相对提升，幅度有限，且短周期 AB 存在季节性与样本波动风险，文章未展开统计显著性与置信区间。
4 分钟 · 7 卡片 · 18 资料
读原文 →