AI Papers Daily

#Hybrid Search

2 篇

Retail Product Search: A Practical Approach at Target

Target 零售商品搜索的实用混合检索方案

🧭 电商搜索 · 混合检索与结果融合

Target Corporation

Target 混合词法-向量检索，加权交错融合，线上 CTR/转化提升并零结果减半

📌 工作参考价值（4 点）

• 电商搜索/推荐候选生成不要用向量完全替代词法或协同信号：保留双通道，向量通道承接自然语言和长尾查询，词法/ID 通道保证精准意图与品牌/SKU 命中；同时把 zero-result 作为上线必须观测指标。
• 多路融合优先实验 weighted interleaving：相比简单分数归一化或串行合并，它能更稳地控制各通道曝光与排序多样性，本案例线上 CTR、订单转化和每访客需求均获得提升。
• 将精度控制作为最终结果集独立环节：对向量召回噪声做词法命中、规则或分类器过滤，再交给精排，尤其适合电商 SKU/品牌/规格等硬约束场景。
• 生产部署把 embedding 计算、ANN 索引、缓存和融合放关键路径优化，并对向量通道做降级与超时控制，保证低延迟；可复用到实时搜索和推荐召回。

RecSys | 2026-09-25 | cs.LG | score 7/10

Hybrid SearchDense RetrievalRank FusionE-commerce SearchVector SearchLatency Optimization

ProRetrieval: Learning to Orchestrate Hybrid Search via Executable Program Synthesis

ProRetrieval：通过可执行程序合成学习编排混合检索

🧭 LLM检索编排 · 可执行程序合成 ★ 深度解读

East China Normal University · New York University · Matter Innovation Inc. · ThinRedLine · Shandong University of Science and Technology

将LLM训练为检索编排器，生成SQL+向量原语的DSL程序，4B模型在电商/邮件Hit@1超越GPT-5.5

📌 工作参考价值（4 点）

• 用 SQL 作为混合检索的融合骨架：让模型输出 sql + retrieval_list，向量检索 top-K 候选集通过 id IN <text_0>/<image_0> 占位符注入 SQL，天然支持 AND/OR/NOT 和嵌套。电商搜索/广告召回里，可以用同一套 DSL 统一编排品牌、价格、类目等结构化过滤与文本/图片向量召回，替代硬编码 RRF 或只支持 AND 的 self-query retriever。
• 小模型 + RL 比 few-shot 大模型更划算：Qwen3-4B 经 SFT + GRPO/DAPO 训练后在 DSL 检索编排上超过 GPT-5.5，执行成功 >99%，单 query 推理约 50ms。适合需要低延迟、低成本但复杂查询解析的线上检索服务，4B 部署在单张 RTX 4090 即可。
• 复杂动作空间下 SFT 存在多任务干扰，RL 是解锁多模态的关键：全 DSL SFT 反而不如只保留 SQL+text 的受限 DSL，但 RL 能让图片检索 Hit@1 从 0.323 提升到 0.716。如果业务只做结构化+文本检索，先上受限 DSL 的 SFT 即可；要加入图片召回，建议走 SFT→RL 路径。
• 分层奖励与 DAPO 稳定性值得复用：format→execution→result→length 的奖励设计天然形成隐式优先级，可以让小模型快速学会可执行程序格式；DAPO 非对称裁剪比 GRPO 更稳定，生产部署优先选 DAPO。工程上注意 SQL 转义问题（如品牌名含撇号）并加执行失败 fallback。

QueryRec | 2026-08-27 | cs.IR | score 8/10

Retrieval OrchestrationDSLRLHybrid SearchSQLGRPO-DAPO