公告
记得每天来更新数据哦,更新站点排名靠前。

AI给公司并购出主意,靠的居然是"进化论"

2026-11-22 15:33 2 次浏览 来源:AI资讯

Sakana AI提出QD-Rec方法,把质量多样性搜索引入并购、营销、论文推荐等场景,用情境老虎机选候选项、大语言模型生成理由、新颖性检查和盲对决筛选,实验显示其质量和多样性表现均优于传统方法。

你有没有想过,同一家公司,可以用十种完全不同的理由被收购?

迪士尼收购一家旅游网站,可以说是为了拓展流量入口,也可以说是为了把金融服务嵌进旅游消费场景,还可以说是为了抢占海外餐饮预订市场。这些理由不是互相排斥的,它们是同一个目标下的不同路径。

这正是一群来自Sakana AI的研究者盯上的问题。他们发现,大部分关于"推荐"的研究都在假设一件事:世界上存在一个客观最优的排序,你的任务就是把它找出来。但现实里有一大类决策根本不是这样运作的。

要收购哪家公司,要把产品卖给哪群客户,这些问题的候选池是固定的,但选择的理由是无穷的。研究者把这类问题命名为"开放式推荐",并为此设计了一套叫QD-Rec的方法。这篇论文发表于2026年10月,我们今天就来拆开看看,这套方法到底在解决什么,以及它解决问题的方式有多巧妙。

候选池是固定的,但理由永远不够用

先说清楚一件容易被忽略的事。

传统推荐系统干的活,是从一堆商品里挑出几个最适合你的,本质上是个排序问题。协同过滤、矩阵分解、深度学习推荐模型,这些技术过去十几年发展得很成熟,核心逻辑都是:给定用户和商品的历史交互,预测一个分数,按分数排序。

但在高风险决策场景里,这套逻辑会卡壳。

想象你是一个并购团队的负责人,要在六千多家美国公司里找迪士尼可能收购的目标。你不会满足于一份"按匹配度从高到低排列"的名单。你需要的是几种不同的战略叙事:哪些公司是为了获取技术能力,哪些是为了打开新市场,哪些是为了垂直整合供应链。每一种叙事背后都对应着完全不同的尽调方向、整合计划和风险评估。

单一排序榜解决不了这个问题,因为它把"选哪个"和"为什么选"混为一谈,而高风险决策恰恰需要把这两件事分开讨论。

这就引出了论文的核心定义。

> 假设*: 一句自然语言写成的解释,说明某个候选项为什么适合决策者的需求。比如"收购这家公司是因为它能帮你补齐IP授权能力"。

> 推荐*: 候选项和假设配成的一对,记作(c, h)。同一个候选项c可以和不同的假设h配对,产生多条不同的推荐。

所以"开放式推荐"要解决的,不是从池子里挑出最好的东西,而是针对同一个池子,生成一组又好又多样的"候选项加理由"的组合。候选项的集合是封闭的,但理由的空间是开放的,这就是"开放式"的真正含义。这也是为什么研究者会把"开放式搜索"这套本来用来生成新事物的技术,拿来套在一个候选池完全固定的问题上,听起来有点矛盾,但细想之后会发现,只要理由空间是开放的,搜索依然是有意义的。

那当时这类问题是怎么处理的?论文提到,传统做法主要靠两条路。一条是线下重排序,比如MMR(最大边际相关性)和基于DPP(determinantal point process,行列式点过程)的方法,这些方法在生成候选列表时会刻意拉开候选项之间的相似度,但它们完全是几何操作,不看任何反馈,也不负责生成"理由"这件事。另一条是在线的多臂老虎机式方法,靠不断试错学习用户偏好,但这类方法通常只负责挑选项目,不负责写解释。

论文后面的实验专门拿MMR和DPP这两种重排序方法做对照组,结果是在人类真实评分的数据集上,无论怎么调它们的"相关性-多样性"权衡参数,这两种传统方法的质量得分都没能追上QD-Rec,差距最大接近1分(满分5分的评分体系里)。这说明单纯靠几何距离拉开候选项的差异,拉不出真正有价值的多样性,这件事必须靠真实反馈和持续学习才能做到。

质量多样性搜索:既要好,也要不一样

研究者给这个问题找到的解法,来自一个叫"质量多样性"(Quality-Diversity,简称QD)的进化计算分支。

> 质量多样性(QD)*: 一类进化算法,目标不是找到单一最优解,而是在整个解空间里找到一组既高质量又彼此不同的解。代表性方法叫MAP-Elites,它维护一个格子状的"档案",每个格子对应一种行为模式,格子里只保留该模式下表现最好的那个解。

QD方法最早是用来解决机器人步态设计之类的问题的。比如你想设计一个六足机器人的行走方式,传统优化只会给你一种"最优"步态,但QD会告诉你:这里有一种腿先行走得慢但特别稳的步态,那里有一种腿先行走得快但容易摔倒的步态,它们都值得保留,因为将来某种地形条件下,也许恰恰需要那种"次优但独特"的方案。

这就引出了论文里反复强调的一个概念,叫"踏脚石"。

QD方法里有个很关键的直觉:今天看起来平庸的方案,可能是明天突破性方案的垫脚石。如果你只保留当前最好的那一个,你就永远失去了那些"看起来不咋样但其实蕴含了某种有用变异"的中间解。这跟自然选择里"适应度低的个体依然可能携带有用基因"是同一个道理。

生活里有个场景很贴切。你教小孩学骑自行车,如果你只允许他重复"最接近成功的那一次尝试",他可能会一直卡在同一个姿势里打转,因为那个姿势看起来最接近"骑得稳"。但如果你允许他保留几种完全不同的尝试,包括一次方向明显跑偏但平衡感意外不错的尝试,那次"跑偏"反而可能启发出后面真正学会转弯的技巧。如果不保留这些看似不理想的中间状态,很多后来的突破根本无从发生,因为你压根没给它们留下存在的机会。

QD-Rec把这套思路搬到了推荐问题上。它的核心产出不是一份排好序的清单,而是一个"档案"(archive),档案里存的是(候选项,假设)这样的配对,每一条都在质量和独特性之间争得了一个位置。

三步循环:选谁,写什么理由,留不留

QD-Rec每一轮迭代,干三件事。

第一步是选候选项。这里用了一个叫"情境老虎机"的工具。

> 情境老虎机(contextual bandit)*: 一种在线决策算法,每次要在多个选项里做选择,选完会收到一个反馈分数,算法根据历史反馈不断更新对每个选项价值的估计,同时还要兼顾"探索还没试过的选项"和"利用已知的好选项"之间的平衡。

QD-Rec用的是一种叫Thompson采样的贝叶斯线性回归老虎机,它会根据候选项的文本嵌入向量预测一个质量分数,但不是简单选分数最高的那个,而是在分数估计上再加一个"多样性加成"项。这个加成项等于该候选项和档案里已有项目的最远余弦距离,也就是说,如果一个候选项长得跟档案里现有的东西都不一样,它就会被优先选中,即便它的预估质量不是最高的。

论文给β(多样性权重)设成了1,相当于让"没被覆盖过的区域"和"预估质量高"这两件事享有同等权重。

这个设计解决了什么矛盾?如果完全不管多样性,只按预估质量选,老虎机会一头扎进它认为最有希望的那一小片区域反复采样,最后档案里堆满了长得差不多的推荐。这就像一个记者如果只采访他认为"最有新闻价值"的那类人,报道出来的内容会越来越窄,各种各样本来值得被看见的视角反而被挤出去了。如果不设这个多样性加成,整个档案会在质量和覆盖面之间严重失衡,后面做决策的人看到的永远是同一种叙事的不同变体。

第二步是生成假设,这一步交给一个大语言模型来完成,论文管它叫"提议者"(proposer)。

提议者不是凭空生成理由的,它会从档案里随机抽三个已有的假设作为"样本",参照着写新的假设。具体操作分三种:变异(mutate)是把一个样本的角度直接套到新候选项上;交叉(crossover)是把两个或更多样本的角度组合成新理由;探索(explore)是提出一个样本里完全没出现过的全新角度。

这个三选一的设计,本质上是把进化算法里经典的变异和交叉操作,搬到了语言模型的提示词层面。它解决的根本矛盾是:如果让语言模型每次都从零开始凑理由,它很容易写出千篇一律、毫无新意的套话;但如果完全依赖已有样本,它又会陷入自我重复的循环。允许它在"借鉴"和"原创"之间自由切换,相当于给了它既能站在前人肩膀上、又不被困死在前人框架里的空间。

论文里有个具体案例特别能说明这一点。在摩根大通收购目标搜寻的实验里,档案里有一条关于收购西南航空的假设,核心逻辑是"把银行的分期付款、支付功能嵌入航空消费场景",这条假设被裁判模型打了1分(满分10分),因为银行持股航空公司牵涉监管限制和运营风险。但变异操作把这个逻辑套用到另一家做旅游预订和餐厅订座的公司身上,改成"把Chase Travel的预订和分期付款嵌入旅游消费场景",同样的裁判给出了5分。一个只值1分的理由,靠换个载体就能跳到5分,这正是"踏脚石"效应的真实发生现场。

第三步是裁判,决定这条新假设能不能留在档案里。这一步的设计很讲究,分两层判断。

> 新颖性检查(novelty check)*: 让大语言模型裁判对比新生成的候选项和档案里最接近它的k个邻居,判断这条新推荐是否足够与众不同,返回一个"是/否"的二元判断。

如果新颖,直接收进档案,不用再比较质量。如果不新颖,就要跟它最近的那一个邻居打一场"盲斗",论文叫它"盲对决"(blind duel):把新旧两条推荐打乱顺序藏起来身份,裁判只能从内容判断哪个更强,不知道哪个是新来的。赢了就替换掉旧的,输了就被扔掉。

这个"先问新不新,再问好不好"的两层设计,其实在回避一个很现实的偏见问题。如果让裁判同时知道"这是新提交的候选"和"这是老档案里的东西",裁判很容易不自觉地偏袒或排斥新来者,就像面试官如果提前知道哪份简历是"内部推荐"的,很难做到完全公正评判。把身份信息藏起来做盲测,正是为了让"质量比较"这件事干净地只比内容,不受"它新不新"这个无关变量的干扰。

说到这里,可以引用一个更日常的类比。很多公司招人时搞"盐度测试",简历上故意隐去姓名和学校,只留工作经历,目的就是防止"名校光环"或者"性别偏见"悄悄影响判断。QD-Rec的盲对决机制,本质上在干同一件事:把"这是不是新来的"这个标签从判断过程里摘掉,确保留下来的理由是真的因为"写得好"而留下的,不是因为"它恰好是新鲜出炉的"而被偏爱或者被歧视。如果不做这层隔离,整个档案的进化方向很容易被某种系统性偏见带偏,比如一直偏向"更晚生成的假设",而不是"更好的假设"。

四个战场的实测结果

QD-Rec这套系统,被扔进四个完全不同的场景里实测:并购目标搜寻、客户精准营销、论文推荐、还有图书推荐。前三个场景都靠一个独立的大语言模型(论文用的是gpt-5.6-terra)当裁判打分,图书推荐这个场景比较特殊,质量分数直接用的是真实读者给书打的一到五星评分,完全不经过AI裁判,专门用来检验这套方法在真人反馈下是否依然成立。

实验里对比了三个版本的方法。最简版只有新颖性过滤这一个机制,叫Novelty;中间版加上了进化式的提议操作(样本借鉴),叫Novelty+Evo;完整版再加上多样性感知的老虎机选择,就是QD-Rec本身。这种"层层加码"的消融实验设计,目的是看清楚每一个组件到底带来了多少增量价值,而不是笼统地说"完整方法更好"。

结果摆出来是这样的。在并购场景里,面对迪士尼这个收购方,完整版QD-Rec的平均质量分数达到2.91分(满分10分),比只有新颖性过滤的版本(2.40分)高出整整0.5分,比加了进化操作但没加老虎机的版本(2.51分)也高出不少。档案规模上差距更悬殊,QD-Rec最终攒下214条推荐,比最简版的85条多了一倍半还不止。

在论文推荐场景里,面对一个专注开放式进化研究方向的研究者画像,完整版QD-Rec拿到5.32分,档案规模730条,两项指标都是三个版本里最高的。

多样性指标上,QD-Rec在几乎所有场景都拿到最高分,唯独在并购场景里略微落后于加了进化操作但没加老虎机的版本,这说明"多样性加成"这个设计不是在所有维度上都占优,它更擅长撑大档案规模和拉高整体质量,但在纯粹的语义多样性这个单一指标上,偶尔会被更激进的探索策略反超。这也提示一个值得深想的地方:质量、多样性、规模这三件事之间不是严格的正相关关系,一个系统在三者之间做取舍,未必能同时在每一项上都碾压对手。

成本方面,论文也给了具体数字。QD-Rec和中间版本的API调用成本基本相同,都比最简版高出三成左右,原因是提议模型每次调用都要塞进三条档案样本做参考,这让输入内容的体量差不多翻了三倍。一次完整实验跑下来,花费从13美元(图书场景用较弱的提议模型)到62美元(营销场景用较强的提议模型)不等,图书场景最便宜,因为它用真人评分代替了AI裁判和盲对决这两道调用。

研究者还做了一个很细致的敏感性检验,换了一个完全不同的文本嵌入模型(从OpenAI的text-embedding-3-small换成Qwen3-Embedding-0.6B)重跑了四个场景的其中一个档案组,结果是哪个方法质量最高、档案最大,排名完全没变,只是因为新嵌入模型把向量分布得更松散,导致绝对的多样性数值整体抬高了。这个结果说明QD-Rec的核心排序结论不是嵌入模型的"幸运产物",换一套底层表示工具,结论依然站得住。

这套方法目前能做到什么程度,又还差什么

论文的作者自己也坦承,这是这条研究路线上的第一步工作,所以刻意把系统设计得比较简单。

老虎机部分用的是贝叶斯线性回归,只能捕捉候选项特征和回报之间的线性关系。研究者在结尾处提到,未来可以换成神经网络式的老虎机来捕捉非线性关系,甚至可以更激进一点,干脆把老虎机整个替换成一个会读档案、会推理哪些区域已经饱和、哪些区域还有潜力的编码代理,让选择策略变成一段可以被检查、可以被用自然语言修改的逻辑,而不是一个固定的参数化模型。

样本抽取部分目前是完全随机的,从档案里均匀抽三条。研究者提到可以改成按质量、按新鲜度,或者按"这条样本已经被借鉴过多少次"来加权抽取,这个思路和另外两个工作(Earle等人2026年的研究,还有Zhang等人2026年的达尔文哥德尔机)里用到的策略类似。

假设生成这部分目前只是一次性的提示词调用,研究者认为未来可以换成一个真正的研究代理,具备更复杂的推理和检索能力,但他们刻意选择先把这部分做简单,目的是证明"外层循环"这件事本身就足够有价值,内外两层未来应该是可以叠加组合的。

这篇论文最打动我的地方,其实不是技术细节本身,而是它选择问题的方式。

大部分关于AI推荐的研究,都默认"存在一个客观最优答案",研究者的工作就是逼近它。但这篇论文反过来问了一句:如果一个决策问题,根本不存在唯一正确答案,只存在"若干种都讲得通的理由",那该怎么设计系统?

这其实触及了一个更大的问题。很多现实世界的重要决策,比如该不该投资一家公司,该不该录用一个人,该不该推荐一本书给某个读者,本质上都不是"求解"问题,而是"构建叙事"问题。你最后选择的那个答案,很大程度上取决于你当时想讲一个什么样的故事,这个故事能不能站得住脚,能不能说服相关的人。

论文里那个西南航空假设打了1分、换个载体套到旅游公司身上就跳到5分的案例,让我重新想了一下"创新"这件事到底是怎么发生的。很多时候,一个想法本身没有变,变的只是它被套用的场景。研究者管这个叫踏脚石,但我觉得它更像是给了"平庸的想法"一个重新投胎的机会,只要换个载体,它可能立刻就活了。

还有一个细节值得单独说一说。论文附录里那个南国市护士的案例,研究者承认模型生成了一些训练数据之外的内容,比如编造出"忠诚计划会员超过一亿"这种具体数字,事后核实发现这个数字出现在西南航空2026年7月的真实公告里,但模型的知识截止日期在那之前,这说明模型是在"合理推测"而不是"引用事实"。这提醒我们,这类系统生成的内容听起来越具体越有说服力,反而越需要人工核实,不能因为细节丰富就天然信任它。

这篇论文还没解决的问题,其实是最有意思的问题:当一个系统能生成无数种"讲得通的理由"时,人类决策者该怎么从这些理由里挑出"真正该信的那一个"?QD-Rec给出的档案是一堆平行的、互不排斥的叙事,但现实世界的决策终究要落地成一个动作。这中间谁来做最后的筛选,靠什么标准,这篇论文完全没碰,留给了后面的人。

Q&A

Q1:QD-Rec是什么?

A:QD-Rec是Sakana AI提出的一种质量多样性搜索方法,用于解决固定候选池场景下的"开放式推荐"问题,比如并购目标筛选、客户营销、论文和图书推荐。它通过情境老虎机挑选候选项,用大语言模型生成推荐理由,再通过新颖性检查和盲对决决定是否留存到档案中。

Q2:QD-Rec和传统推荐系统有什么不同?

A:传统推荐系统追求找到一个客观最优的排序结果,QD-Rec针对的是候选池固定但推荐理由无限多的场景,目标是生成一组既高质量又彼此不同的"候选项加理由"组合,而不是单一排序榜,更适合需要对比多种战略叙事的高风险决策。

Q3:QD-Rec在实验中表现如何?

A:在并购、营销、论文和图书推荐四个场景的测试里,QD-Rec在大多数场景中拿到最高的平均质量分和最大的档案规模,也在多数场景中拿到最高的多样性分数,并且在真实人类评分的图书推荐场景中依然优于传统的MMR和DPP重排序方法。