Meta 的一篇重磅论文
Meta 的 CORAL 论文，介绍了 Agent Harness 如何用于生产级推荐系统
这是更有说服力的 Agent 部署案例之一。CORAL 接入了服务数十亿用户的线上推荐系统，并通过 A/B 实验报告结果
推荐系统需要持续优化。内容、用户行为和上游模型都在变化，检索、排序与服务策略也得不断调整。以往这些改动主要由工程师通过线上实验测试，速度较慢，一些环节因此长期没有修订
在 CORAL 的每轮循环中，Agent 会观察运行信号，结合过去的决策及实测结果进行推理，再调用数值优化器等工具。数值优化器会把每次改动限制在固定的运行预算内。系统不更新模型参数，而是根据此前行动的结果，在上下文中改进策略
据帖文介绍，同一套 Harness 在两个大型社交平台上取得了不同方向的收益：一个平台在不增加服务成本的情况下提高了互动，另一个平台在不降低互动的情况下减少了服务成本。随着循环继续，表现也会改善
护栏设计和 Agent 本身同样重要。固定的改动预算，是这套系统能够接入生产环境的安全边界