Inventory-Grounded Policy-Level Optimization for Training-Free AI Search
基于库存证据的策略级优化：面向动态库存 AI 搜索的训练无关方法
🧭 AI 搜索 · 训练无关策略优化 ★ 深度解读
Huawei Technologies Co., Ltd., China
训练无关地把动态库存证据与可复用决策指南解耦，提升 AI 搜索 CTR 并减少坏例
📌 工作参考价值（4 点）
- 把策略规则与库存事实分离：不要往 prompt 里写具体 item/类目是否存在，而是写成条件化、可执行的 Guideline，运行时注入 inventory portrait；库存变动时不必频繁改 prompt 或重训。
- 用离线 stochastic rollouts + LLM Judge 分组：同 query 同时有成功/失败轨迹才形成对比样本；全失败组用 inventory-guided exploration 主动回查漏召回路由，避免把“无库存”误判为“策略差”。可迁移到电商搜索 bad case 聚类与策略补丁生成。
- 上线前做回放回归门控：每个候选 Patch 必须在 Target queries 和 Background/fixed regression set 上通过胜率、Precision/Recall/F1 drop 阈值；组合时逐个加入并全量回放，可控制 prompt/规则更新的回归风险。
- 轻量服务化：Guideline store ≤100，每阶段最多注入 3 条、平均 1.7 条，prompt 增量平均 247 tokens，latency p50 仅 +49ms；适合作为电商 AI 搜索/导购 Agent 的策略层。