Sakana AI用进化算法做并购推荐:同一标的能有多种收购理由
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...
同一家公司,能被收购的理由能有十种,而且各不相同——这种事你考虑过吗?
迪士尼若收购一家旅游网站,说法可以是为了拓展流量入口,也可以是为了把金融服务嵌进旅游消费场景,还可以是为了抢占海外餐饮预订市场。这些理由彼此并不排斥,它们是同一个目标下的不同路径。
来自
Sakana AI的一群研究者盯上的正是这个问题。他们发现,有关"推荐"的研究大多建立在同一个假设上:世界上存在一个客观最优的排序,任务就是把它找出来。可现实里有一大类决策,根本不是这么运作的。
要收购哪家公司、要把产品卖给哪群客户,这类问题的候选池是固定的,但选择的理由无穷无尽。研究者把这类问题命名为"
候选池固定,理由却永远不够用
有一件事容易被忽略,得先说清楚。
传统推荐系统干的是从一堆商品里挑出几个最适合你的活,本质上属于排序问题。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相当成熟,核心逻辑无非是:给定用户和商品的历史交互,预测一个分数,再按分数排序。
可到了高风险决策场景里,这套逻辑就会卡壳。
假设你负责一个并购团队,要在六千多家美国公司里找出迪士尼可能收购的目标。一份"按匹配度从高到低排列"的名单,显然满足不了你。你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,对应的尽调方向、整合计划和风险评估都完全不同。
单一排序榜解决不了这个问题。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。
论文的核心定义,就是从这里引出来的。
> 假设*:用一句自然语言作出的解释,讲明某个候选项为何能满足决策者的需求。以“收购这家公司是因为它能帮你补齐IP授权能力”为例。
> 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"
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
论文后面的实验专门拿
质量多样性
研究者给这个问题找到的解法,来自一个叫"
> 质量多样性(QD)*:这类进化算法要找的并非单一最优解,而是在整个解空间里搜出一组解,既保证质量,又让彼此之间存在差异。其中较有代表性的方法叫
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
论文里反复强调的一个概念,由此引出,叫"
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。要是只保留当前最好的那一个,那些"看起来不咋样但其实蕴含了某种有用
生活里有个场景很贴切。教小孩学骑自行车,如果只允许他重复"最接近成功的那一次尝试",他可能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"。可要是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。这些看似不理想的中间状态若不保留,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把上述思路用到了推荐问题上。它最终给出的不是一份排好序的清单,而是一个“档案”(archive)——里面存放的是(候选项,假设)这样的配对,每一对都在质量与独特性之间占住了一个位置。
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。
选候选项是第一步。这一步引入了名为"[[保留1]]
>
QD-Rec采用一种叫
论文把多样性权重β设为1,意思是"尚未被覆盖的区域"和"预估质量高"这两件事,权重完全一样。
这解决了什么矛盾?要是彻底不管多样性、单看预估质量来挑,老虎机就会死盯住它自认为最有希望的那一小块地方反复采样,到头来档案里塞满的都是长得差不多的推荐。记者只采访自己眼中"最有新闻价值"的那类人,写出来的东西也会越走越窄,很多本该被看见的视角就这样被挤掉了。缺了这道多样性加成,整个档案在质量与覆盖面之间就会严重失衡,后头做决策的人翻来覆去看到的,永远是同一种叙事换几个变体。
第二步是生成假设,交给一个大语言模型做,论文里称它为"[[保留2]]
提议者
三选一这套安排,说到底就是把进化算法里经典的变异和交叉,挪到了语言模型的提示词层面。它要化解的矛盾很实在:让语言模型每次都从零开始凑理由,它容易写出千篇一律、没什么新意的套话;可要是完全靠已有样本,它又会陷进自我重复的圈里。允许它在"借鉴"和"原创"之间自由切换,等于给了它既站得上前人肩膀、又不被前人框架困死的余地。
论文里有个案例很能说明问题。摩根大通收购目标搜寻的实验里,档案中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",裁判模型只给了1分(满分10分),因为银行持股航空公司牵扯监管限制和运营风险。可变异操作把同一套逻辑挪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",同一个裁判给出了5分。一个只值1分的理由,换个载体就跳到5分,这正是"
第三步是裁判,由它决定新假设能不能留在档案里。这里的设计很讲究,判断分成两层。[[保留3]]
>
新颖的话,直接收进档案,质量不用再比。不新颖,就得跟最近的那个邻居打一场"盲斗",论文管它叫"
"先问新不新,再问好不好"这层两层设计,其实是在绕开一个挺现实的偏见。裁判要是同时知道"这是新提交的候选"和"这是老档案里的东西",很容易不自觉地偏袒或者排斥新来者。面试官如果事先知道哪份简历是"内部推荐"的,也很难做到完全公正。把身份信息藏起来做盲测,就是要让"质量比较"干净地只比内容,不受"它新不新"这个无关变量干扰。
换个更日常的类比。不少公司招人时搞"
四个战场的实测结果
QD-Rec被扔进四个完全不同的场景实测: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。图书推荐比较特殊,质量分数直接取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还成不成立。
实验对比了三个版本。最简版只带新颖性过滤一个机制,叫Novelty;中间版加上进化式的提议操作(样本借鉴),叫Novelty+Evo;完整版再叠加多样性感知的老虎机选择,也就是QD-Rec本身。这种"层层加码"的
结果是这样的。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,比加了进化操作却没加老虎机的版本(2.51分)也高出不少。档案规模差距更悬殊,QD-Rec最终攒下214条推荐,最简版只有85条,多出一倍半还不止。
论文推荐的场景中,如果研究者主攻开放式进化方向,完整版QD-Rec能拿到5.32分,档案规模为730条;这两项数据在三个版本里都排第一。
多样性指标上,QD-Rec在几乎所有场景都拿到最高分,只有并购场景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"并非在所有维度上都占优,它更擅长撑大档案规模、拉高整体质量,可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。质量、多样性、规模这三件事之间不是严格的正相关,一个系统在三者之间做取舍,未必能每一项都碾压对手。
论文同样列出了成本数字。中间版本和QD-Rec在API调用上的开销几乎一样,二者都比最简版贵出大约三成。原因在于提议模型每回调用都得带上3条档案样本作参照,输入的内容量因此接近原来的3倍。跑完一次完整实验,花费区间是13美元到62美元:图书场景配的是较弱的提议模型,花13美元;营销场景配较强的提议模型,花62美元。图书场景之所以最省,是因为它拿真人评分顶替了AI裁判和盲对决这两步调用。
研究者还做了一项很细致的敏感性检验,换了一个完全不同的
这套方法目前能做到什么程度,又还差什么
论文作者自己也坦承,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。
老虎机这块采用贝叶斯线性回归,能抓的只是候选项特征与回报之间的线性联系。研究者在结尾提出,后续可以改喂神经网络式的老虎机,把非线性关系也捕捉进来;还可以再往前一步,直接用编码代理替换掉整个老虎机,让它读取档案、判断哪些区域已经饱和、哪些还有空间,从而把选择策略变成一段能检查、能用自然语言改动的逻辑,不再是一个写死的参数化模型。
样本抽取目前完全随机,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
眼下假设生成只靠一次提示词调用完成。研究者设想以后换成真正的研究代理,让它具备更强的推理和检索能力;但这回他们有意把这部分压得简单,为的是说明"外层循环"本身就有足够价值,内外两层将来应该能够叠加组合。
这篇论文真正让我在意的,倒不是技术层面那些细节,而是它提出问题的角度。
多数AI推荐研究都先假定“有一个客观上的最优答案”,研究者要做的只是不断靠近它。这篇论文却调了个方向:假如某个决策问题压根不存在唯一正确的答案,只有“好几种都说得通的理由”,系统该怎么设计?
这就牵出一个更大的话题。现实里不少重要决策,像要不要投一家公司、要不要录用某个人、要不要把某本书推给某位读者,说到底是“构建叙事”,而不是“求解”。你最终选哪个答案,很大程度上看你那一刻想讲一个怎样的故事,这个故事立不立得住,能不能让相关的人信服。
论文里那个西南航空的假设先打了1分,换一个载体套到旅游公司身上就跳到5分,这个案例让我重新琢磨“创新”到底怎么发生的。很多情况下想法本身没动,动的只是它被套用的场景。研究者把这叫踏脚石,我倒觉得它更像给“平庸的想法”一次重新投胎的机会,换个载体,它可能马上就活了。
还有一个细节得单独拎出来说。论文附录里南国市护士那个案例,研究者承认模型生成了一些训练数据之外的东西,比如编出“忠诚计划会员超过一亿”这样具体的数字,事后核实,这个数字出现在西南航空2026年7月的真实公告里,可模型的知识截止日期在那之前,可见模型是在“合理推测”,并非“引用事实”。这提醒人,这类系统生成的内容越是听起来具体、有说服力,越需要人工去核实,不能因为细节丰富就天然信它。
论文没解决的问题,恰恰是最有意思的那个:当一个系统能生成无数种“讲得通的理由”,人类决策者该怎样从中挑出“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,可现实世界的决策终究要落成一个动作。这中间谁来最后筛选,依据什么标准,论文完全没碰,留给了后来的人。
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,用来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。它靠情境老虎机挑选候选项,由大语言模型生成推荐理由,再经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:传统推荐系统追求的是找到一个客观最优的排序结果;QD-Rec面对的是候选池固定、推荐理由却无限多的场景,目标是把既高质量又彼此不同的“候选项加理由”组合生成一组,而非单一排序榜,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?
团队围绕并购、营销、论文、图书推荐这4个场景做了测试,结果QD-Rec在多数场景下的平均质量分最高、档案规模也最大,多样性分数同样在多数场景中居首;到了采用真实人类评分的图书推荐场景,它照样压过传统的MMR和DPP重排序方法。