WarpRec：统一学术严谨性与工业规模化的可负责任、可复现且高效的推荐系统框架
人工智能
2026-02-20 v1 信息检索
摘要
当前，推荐系统的创新受制于生态系统的碎片化，研究人员必须在内存中轻松实验与分布式工业引擎的昂贵、复杂改写之间做出选择。为弥合这一差距，我们提出了 WarpRec——一个高性能框架，通过一种新颖的后端无关架构消除这一权衡。该框架包含 50 多种最新算法、40 项指标和 19 种过滤与划分策略，使其能够无缝过渡从本地执行到分布式训练和优化。该框架通过集成 CodeCarbon 实现生态责任，显示规模化并不必然以牺牲科学完整性或可持续性为代价。此外，WarpRec 预见了向 Agentic AI 转变的趋势，使推荐系统从静态排序引擎演变为生成式 AI 生态系统中的交互式工具。总之，WarpRec 不仅弥合了学术界与工业界之间的差距，也可作为下一代可持续、智能体就绪推荐系统的架构基础。代码已公开于 https://github.com/sisinflab/warprec/。
引用
@article{arxiv.2602.17442,
title = {WarpRec: Unifying Academic Rigor and Industrial Scale for Responsible, Reproducible, and Efficient Recommendation},
author = {Marco Avolio and Potito Aghilar and Sabino Roccotelli and Vito Walter Anelli and Chiara Mallamaci and Vincenzo Paparella and Marco Valentini and Alejandro Bellogín and Michelantonio Trizio and Joseph Trotta and Antonio Ferrara and Tommaso Di Noia},
journal= {arXiv preprint arXiv:2602.17442},
year = {2026}
}