谷歌在YouTube上线双循环LLM智能体系统，自主发现RMSprop、Gated Path与多目标奖励，多项A/B指标显著提升
该工作提出并部署了一套自演化推荐系统，用Gemini系列LLM智能体充当机器学习工程师，通过离线快速循环（Offline Agent，每5分钟唤醒、每日运行）生成并离线打分候选配置、在线慢速循环（Online Agent，每日运行）排序并推进A/B实验，在YouTube多个推荐场景中自主发现了优化器切换（Adagrad→RMSprop、FTRL）、Gated Path（GLU）架构、激活精化、多目标奖励合成与奖励超参调优等改动，多项在线指标在95%置信水平上显著提升，并将实验吞吐从每周Θ(1)–Θ(10)提升到Θ(100)。