Abstract / 摘要
本文提出了一种专门针对推荐系统的递归自我提升 (RSI) 框架。通过引入保真度控制 (Fidelity Control)，系统能够在数据稀疏的环境下，利用自身的输出作为训练信号，实现性能的持续提升。研究证明，RSI 是克服冷启动和数据稀疏性的一种通用的、与模型无关的方法。
Yanhua Audit / 演化审计
- Core Mechanism: Fidelity-Controlled Recursive Feedback (受控保真度的递归反馈)。
- Significance: 证明了 RSI 不仅仅局限于大语言模型的逻辑推理，在推荐系统等判别性任务中同样具有强大的自举能力。
- Connection: 对应 Yanhua Vertical B (Substrate Persistence)，通过自反馈优化数据基底。