大家每天都在和推薦系統(tǒng)打交道。無論是刷短視頻、逛電商、聽音樂還是看新聞，背后都有一套「聰明」的算法在猜測你可能喜歡什么。但你是不是偶爾覺得推薦內(nèi)容千篇一律？這其實(shí)暴露了傳統(tǒng)推薦系統(tǒng)的一個核心問題：它們大多數(shù)是基于過去數(shù)據(jù)來預(yù)測，被動的「猜你喜歡」，而缺乏和你真正的互動。

最近，Meta 推薦系統(tǒng)團(tuán)隊(duì)提出了一個全新的思路 —— RecoWorld。

RecoWorld的獨(dú)特之處在于其雙視圖架構(gòu)：模擬用戶和智能體推薦系統(tǒng)進(jìn)行多輪交互，旨在最大化用戶留存率。

用戶模擬器會查看推薦商品，更新其思維模式，并在察覺到用戶可能脫離互動時生成反思性指令。智能體推薦系統(tǒng)則通過整合這些用戶指令和推理軌跡，調(diào)整其推薦內(nèi)容，形成一個主動吸引用戶的動態(tài)反饋循環(huán)。這一過程利用了大語言模型出色的推理能力。

研究者探索了模擬器中的多樣內(nèi)容表示形式，包括基于文本、 多模態(tài)和語義ID建模，并討論了多輪強(qiáng)化學(xué)習(xí)如何使推薦系統(tǒng)通過迭代交互來不斷完善其策略。RecoWorld還支持多智能體模擬，允許創(chuàng)作者模擬目標(biāo)用戶群體的響應(yīng)。它標(biāo)志著向一個新的推薦系統(tǒng)邁出了重要的第一步，在這個系統(tǒng)中，用戶和智能體共同塑造個性化的信息流。他們設(shè)想了一種新的互動范式：「用戶指令，推薦系統(tǒng)響應(yīng)」，共同優(yōu)化用戶留存和參與度。

• 論文標(biāo)題：RecoWorld: Building Simulated Environments for Agentic Recommender Systems
• 論文鏈接：https://arxiv.org/abs/2509.10397

它不僅是一個推薦算法，而是一個「虛擬世界」，讓推薦系統(tǒng)和模擬用戶能在里面進(jìn)行交互、反饋和優(yōu)化，做到「你說我改」。

為什么推薦系統(tǒng)需要「進(jìn)化」？

過去，研究人員想改進(jìn)推薦系統(tǒng)，主要有兩種辦法：

1. 用歷史數(shù)據(jù)做離線評估：但這樣容易「路徑依賴」，系統(tǒng)會在老套路里兜圈子。

2. 做線上 A/B 測試：能看到真實(shí)用戶反饋，但風(fēng)險很高，測試失敗就可能傷害用戶體驗(yàn)。

而隨著「智能體（Agentic RecSys）」概念興起，推薦系統(tǒng)不再只是被動推送，而是能理解指令、主動學(xué)習(xí)，甚至根據(jù)用戶的語音、行為即時調(diào)整推薦。為訓(xùn)練 agentic recsys，Meta 提出 RecoWorld：一個仿真環(huán)境，把「模擬用戶」和「推薦系統(tǒng)」放進(jìn)一個虛擬世界，讓它們多輪互動，避免和真實(shí)用戶交互損害用戶體驗(yàn)。

RecoWorld 是怎么工作的？

RecoWorld 的核心是一個「虛擬對手戲」。一邊是「模擬用戶」，會點(diǎn)擊、跳過、點(diǎn)贊、抱怨等；另一邊是「智能體推薦系統(tǒng)」，會根據(jù)這些反饋不斷調(diào)整推薦內(nèi)容。兩者來回互動，幫助推薦系統(tǒng)學(xué)會如何真正留住用戶。

關(guān)鍵要素與流程：

• 模擬用戶（User Simulator）：像真人一樣，它會抱怨、會點(diǎn)贊，還會給指令。比如說：「別再給我推美妝了，換點(diǎn)別的！」

大語言模型強(qiáng)大的推理和內(nèi)容理解能力為模擬人類行為提供了巨大的潛力。研究者通過預(yù)測用戶在看到推薦商品列表時的下一步操作來模擬真實(shí)用戶的行為。

如圖 2 所示，模擬用戶針對每個商品的操作空間 A 包括：(1) 點(diǎn)擊、(2) 評論、(3) 分享、(4) 點(diǎn)贊、(5) 觀看 [指定時長（以秒為單位）]、(6) 跳過以及 (7) 離開會話。

如果用戶選擇離開（操作 7），系統(tǒng)會提示他們反思體驗(yàn)，說明不滿意的原因，并向 RecSys 提供改進(jìn)說明，或者用戶可以直接退出，無需進(jìn)一步輸入。

用戶的決策受到當(dāng)前環(huán)境 C 和過去交互 H 的影響。如圖 2 所示，研究者考慮與用戶相關(guān)的環(huán)境因素，例如時間（一天中的時間、季節(jié)性）、人口統(tǒng)計(jì)（年齡、性別、位置等）、行為（花費(fèi)的時間、搜索查詢等）和社會聯(lián)系（團(tuán)體關(guān)系等）。

會話從用戶打開應(yīng)用程序開始，到用戶退出應(yīng)用程序結(jié)束。每個推薦都會呈現(xiàn)一個包含 k 個項(xiàng)目的列表，這些項(xiàng)目是從候選集 C 中選擇出來的，并按順序顯示。

智能體和模擬用戶可能在會話中多次交互，例如，用戶請求更多有趣的內(nèi)容，智能體會更新列表。每個列表顯示后都會生成獎勵信號。至關(guān)重要的是，其目標(biāo)是優(yōu)化長期用戶留存作為獎勵信號，即最大化會話時長并最小化會話間隔，這與每日活躍用戶 (DAU) 相關(guān)。

具體來說，模擬用戶會逐一瀏覽每個推薦。對于每個項(xiàng)目，用戶需要采取三個步驟：1. 仔細(xì)思考：你回應(yīng)的理由是什么？2. 采取行動：寫下你實(shí)際會做的事情。3. 更新你的思維方式：這會如何影響你當(dāng)前的想法？

圖 3 顯示了一個匯總表，其中包含初始模擬器結(jié)果，包括模擬用戶對每個項(xiàng)目的操作和理由。

• 智能推薦（Agentic RecSys）：像一個聰明助手，會調(diào)整推薦內(nèi)容，努力把你留下來。比如說：「好的，這里有一些新鮮的推薦！」
• 動態(tài)反饋循環(huán)：用戶給指令 → 推薦系統(tǒng)調(diào)整 → 用戶再反饋 → 系統(tǒng)再優(yōu)化…… 就像一場雙向?qū)υ挕?/span>

除此之外，RecoWorld 的設(shè)計(jì)不僅局限于單一用戶層面，它還能構(gòu)建多用戶、多群體的交互場景。這意味著，創(chuàng)作者可以在里面測試不同的內(nèi)容策略，比如：

• 如果我一天發(fā)三條視頻，粉絲會不會嫌煩？
• 如果我嘗試一個爭議話題，會帶來更多流量還是掉粉？
  

這些問題都能在 RecoWorld 里先「演練」，再決定是否在真實(shí)世界嘗試。未來的推薦系統(tǒng)可能會變成這樣：

• 你說一句：「別再給我發(fā)型視頻了」，系統(tǒng)立刻調(diào)整。
• 你想學(xué)吉他，它不會只給你「吉他教學(xué)視頻」，還會根據(jù)你的堅(jiān)持程度，逐步推薦合適的練習(xí)曲。
• 甚至你刷短視頻刷累了，系統(tǒng)能主動察覺你的疲憊，推薦一些輕松、治愈的內(nèi)容。
  

換句話說，推薦系統(tǒng)正在從「猜你喜歡」變成「聽你說話」，從「冷冰冰的算法」變成「能交流的伙伴」。

 為什么說這是「第一步」？

RecoWorld 并不是一個最終產(chǎn)品，而是一個基礎(chǔ)設(shè)施。它像 OpenAI 的 Gym 之于強(qiáng)化學(xué)習(xí)一樣，為推薦系統(tǒng)研究搭建了一個安全的試驗(yàn)場。研究人員和開發(fā)者可以在里面測試新算法、對比不同模型，甚至建立一個「排行榜」，讓全球團(tuán)隊(duì)公平切磋。這意味著：

• 推薦系統(tǒng)的研發(fā)會更快，試錯成本更低；
• 創(chuàng)作者有了「內(nèi)容風(fēng)洞」，可以先預(yù)測受眾反應(yīng)；
• 普通用戶未來會遇到更聰明、更懂你的推薦。

總結(jié)

從單向推送到雙向互動，從「算法支配用戶」到「用戶指揮算法」，RecoWorld 代表了一種全新范式。未來推薦系統(tǒng)不僅僅是「信息過濾器」，而是一個能和我們對話、一起探索興趣的「數(shù)字伙伴」。

在這一框架下，推薦不再是靜態(tài)的預(yù)測，而是一個不斷演化的交互過程。或許今后，當(dāng)你說：「推薦點(diǎn)更有意思的吧」，你的推薦系統(tǒng)就真的能理解，并回應(yīng)：好的，我猜你可能會喜歡這個。RecoWorld 的設(shè)計(jì)愿景，正是推動推薦系統(tǒng)向更高水平的人機(jī)共建與興趣探索邁進(jìn)。

這，就是 RecoWorld 想帶來的未來。

更多詳見原論文：https://arxiv.org/abs/2509.10397