#Query Recommendation

4 篇

SPADE: Spatiotemporal Preference Alignment and Diversity Enhancement for Local Search

SPADE：面向本地搜索的时空偏好对齐与多样性增强框架

🧭 生成式 Query 推荐 · 本地搜索时空建模 ★ 深度解读

Meituan · Independent

联合优化词表、时空编码、DPO 对齐与解码多样性，显著提升本地生活 query 推荐

📌 工作参考价值（4 点）

OA-BPE 可直接迁移到生成式 item/Semantic ID/query 模型：用 CTR、CVR、曝光归一化作为 BPE merge 权重，替代纯频次统计，给高价值长尾实体更短 token 化，训练前就注入业务先验，几乎无额外成本。
STAR 的连续多尺度正弦编码 + 零初始化软门控注入，适合需要 GPS/时段信号的 LLM 推荐或 Agent 工具调用；比离散 city/geohash token 更细粒度，且不破坏预训练表示。
MARS-DPO 是低成本生产对齐方案：直接复用线上 impression-click 列表构造偏好对，复合 reward 融合 rank/LLM 可执行性/距离，自适应选 hard negative，再加 SFT anchor 和分反馈权重，能避免 DPO 概率坍塌。
SDBS 做 top-K 多样性比 Diverse Beam Search 更稳：只给低 rank beam 加 sigmoid bonus，top beam 不动，复杂度 O(B)，几乎不掉 HR；适合短候选 slate 需要去重又保召回的场景。

QueryRec | 2026-11-03 | cs.IR | score 10/10

EAGER：电商搜索点击商品到查询的生成式推荐两阶段框架

🧭 生成式查询推荐 · GRPO 对齐 ★ 深度解读

Alibaba International Digital Commerce Group

两阶段生成式 I2Q 框架：SFT 课程+自蒸馏扩意图覆盖，GRPO 混合奖励对齐点击与业务规则

📌 工作参考价值（4 点）

多源 intent-ordered 监督构造：把点击 query、post-click search query、LLM 扩展 query 拼成弱有序 label，并用同一个 PARM 给 LLM query 打分排序；可复用到电商搜索、push 文案等数据稀疏但需要覆盖多意图的生成任务。
课程学习拆法值得抄：I2Q → Enhanced I2Q（加 rationale）→ UI2Q → Enhanced UI2Q。论文里 rationale 最大提升 APD（多样性），用户上下文最大提升 SoftHR@1（相关性），业务上可据此分配数据/训练资源，而不是混训。
GRPO hybrid reward：规则 reward 管格式、数量、流畅、重叠、安全黑名单；PARM 用生成式 yes/no 的 1-p(no) 作为点击偏好 reward。PARM 同时用于离线数据筛选和 RL reward，保持训练一致，且 position-aware 采样去掉位置偏差；这套可直接迁移到生成式 query suggestion / 广告文案 RL。
部署上作为第三条召回通道，与 log-based、dense retrieval 共用 ranker，长尾补覆盖、头部同台竞争；vLLM 独立多采样生成 10 条，VRAM 压力低于 beam search。

QueryRec | 2026-09-07 | cs.IR | score 10/10

LLM4AIGQ：面向多兴趣挖掘的AI引导查询生成框架

🧭 生成式query推荐 · 多兴趣LLM ★ 深度解读

Huazhong University of Science and Technology · Alibaba Group · Nankai University

用SFT-RL-DPO三阶段训练LLM，从多行为序列中分解多兴趣并生成高价值引导query，线上nearline生成+在线检索

📌 工作参考价值（4 点）

用教师模型（更大LLM）对历史行为序列做兴趣分割并生成引导query，再让小模型SFT学习单兴趣风格，避免直接多兴趣SFT导致的模式坍缩；可迁移到电商搜索词推荐、push文案生成等场景。
RL多层级奖励设计：将think过程匹配、query长度与商业价值（judge模型S/A/B评级）、兴趣内语义与风格多样性、兴趣间内容多样性分开奖励，用GRPO优化；这种细粒度奖励拆解适合多目标生成式推荐任务。
DPO蒸馏推理能力：用RL checkpoint的think输出作为正样本，非think输出作为负样本，并过滤语义相似度高的pair，实现非think模式下的推理能力迁移，大幅减少线上推理token，降低延迟。
工程部署：nearline生成+在线检索映射表，每N次交互触发LLM生成query写入表，在线直接检索；同时用LLM对item标题做短标题压缩，输入token减少26.8%，RT降低10.7%，值得在LLM serving中复用。

QueryRec | 2026-09-03 | cs.IR | score 9/10

ToolRec：面向设备助手的校准偏好对齐查询推荐

🧭 查询推荐 · 偏好对齐 · 点击率优化

Huazhong University of Science and Technology · OPPO AI Center

提出双层校准机制与加权KTO，在OPPO小布上显著提升工具调用查询的CTR和总点击量

📌 工作参考价值（4 点）

双层点击校准可迁移至电商行为建模：根据用户活跃度（浏览/加购/购买频次）分桶校准点击权重，减少沉默用户噪声；同时对工具型行为（如领券、收藏、直达搜索）提权，强化可执行动作的引导，提升转化率。
样本级加权KTO简化偏好对齐：无需构造正负样本对，直接利用隐式反馈（点击/未点击）和校准权重优化LLM，适合电商推荐中大量单点隐式反馈的排序或查询生成场景。
工具检索增强的查询生成范式：预先构建系统工具库（如加购、下单、查物流），在生成推荐查询或广告文案时，通过检索确保可执行性，避免“不可点击”的无效推荐，可直接嵌入对话Agent或多任务推荐系统。
在线A/B验证的实用迭代思路：工作已在亿级月活平台验证，证明在校准后的偏好信号上做对齐，能同时提升CTR和总点击量，为相关业务提供了可直接参考的离在线优化路径。

QueryRec | 2026-06-07 | cs.IR | score 10/10