小红书推荐系统评测 Agent：上下文驱动的 LLM-as-Judge 实践

小红书构建了上下文驱动的推荐评测 Agent，以一次推荐请求为最小评测单元进行分维度语义判断。系统采用三档评分并固定输入快照与评测版本以支持回放，同时探索了用于上线前离线预筛的 LLM-as-User 连续用户模拟。