#e-commerce search

5 篇

Useful Diversity or Hallucinated Variety? Persona-Conditioned Synthetic Query Generation for E-Commerce Search

人物画像条件化电商搜索合成查询：有用多样性与幻觉式多样性

🧭 合成查询生成 · 语义解析 ★ 深度解读

Manchester Metropolitan University · Autotrader UK

用4轴persona prompt生成11.8万合成查询，Big Five人格稳定提parser F1且低幻觉，句法轴贴真实流量但牺牲约束保真

📌 工作参考价值（4 点）

冷启动 NL 搜索解析器时，把 Big Five 人格线索加入生成 prompt（如 conscientiousness 明确标记约束、neuroticism 添加犹豫）作为默认，可稳定提升下游 tuple F1；不要用 prompt 删 function word / stopword，因为电商约束字段的 operator 词（under/within/from）承担语义，删掉会导致 dropped constraints。可加后处理校验 operator 是否保留。
评估合成训练数据质量时，不要只看 Distinct-n / Self-BLEU，它们与下游效用无关；用 embedding 云拟合 vMF 分布并计算与 held-out 人工参考的 sKL，可无标签代理 parser F1（ρ=-0.917）。生产环境若无标注，可用真实 query 流量分布做 realism 监控。
对“所有模型都解析失败”的困难样本做 LLM 委员会审计，能分类幻觉类型（dropped constraint / unsupported addition / direction reversal）。工程上可写自动规则检查价格/里程/半径等 operator 和方向，上线前过滤或修复。
多 generator 风格差异很大，某些 LLM 会把 persona 中的城市/价格偏好泄漏进 query；要按 generator 审计。混合多个 prompt 家族均匀采样训练的 mixed corpus 与最佳单 prompt 统计无差，可直接采用降低选型成本。

QueryRec | 2026-10-26 | cs.IR | score 8/10

Language Models for Page-Level Layout Decisions in E-commerce Search

电商搜索页面级布局决策的语言模型评估：Prompt 与表征方法对比

🧭 LLM as judge · 页面布局离线评估 ★ 深度解读

Walmart Global Tech · University of Illinois at Urbana-Champaign

首次系统对比 Prompt 与表征方法离线评估电商搜索中次级堆叠布局，表征方法 AUC 0.853 显著更优

📌 工作参考价值（4 点）

页面布局评估不要直接用 LLM-as-judge：DP 几乎全预测 1，PDJ 虽有分解但仍等权结合，不可靠；改用轻量预训练编码器（如 ModernBERT）embedding + 浅层分类器，AUC 可从 0.67 提升到 0.85，且推理成本更低。
标签构造采用 top-to-bottom scroll model：只保留用户实际滚动到次级堆叠位置以下的会话，避免将未看见模块的会话误标为正/负，可显著降低标签噪声，适合电商搜索行为数据。
显式结构化特征（stack type、插入位置、重复商品数等）在 prompt 推理中容易被损失，但 representation 方法能自动编码这些信号；如果要用 prompt 派生特征，务必把关键显式特征重新拼回分类器输入。
对 Agent/LLM 驱动的 UI 决策，优先考虑用 embedding 作为状态表示，再用小型分类器做最终判断，而不是让 LLM 直接输出最终决策，可减少方差并提升离线可评估性。

Eval | 2026-10-07 | cs.IR | score 8/10

LLM-as-judge page layout representation learning e-commerce search offline evaluation secondary stack

DCEO: Direct Causal Effect Optimization for Long-Term User Value Modeling in E-commerce Search

电商搜索中长期用户价值建模的直接因果效应优化

🧭 电商搜索 · 长期价值建模 · 因果优化 ★ 深度解读

Taobao & Tmall Group of Alibaba

用 actor-critic 直接优化代理指标对长期 GMV 的相对因果效应，学习个性化 item 级融合分数

📌 工作参考价值（4 点）

用相对因果效应替代预测关联做跨粒度对齐：不要只学「代理指标能预测长期目标」，而是学「代理指标上升时长期目标上升多少」。在业务里可以把 critic 对干预前后的预测差作为训练信号，减少纯相关性代理带来的误导。
actor 输出融合权重而非直接输出分数：让 actor 从用户/请求特征生成多个上游预测分数的凸组合权重，既保留可解释性，又稳定优化。在线只部署 actor，把学习到的代理分数作为新增项加入现有排序公式，原有权重不动，风险可控。
用户级聚合要做曝光次数校准：代理指标按用户聚合时，不同用户曝光量不同会带来混杂。固定参考曝光次数并用校准模型做归一，能更干净地刻画代理指标与长期目标的关系。
加条件归一化排序损失作为正则：因果效应损失非凸不稳定，可以加一个把代理指标和长期目标归一化到同一分布后的 pairwise ranking loss，提升训练稳定性，类似业务多目标融合里可以复用。

RecSys | 2026-08-26 | cs.IR | score 9/10

long-term user value causal effect actor-critic multi-objective fusion e-commerce search ranking

CORE: A Unified Cascaded Ordinal Relevance Estimation Framework for E-commerce Search

CORE：电商搜索统一级联序数相关性评估框架

🧭 序数感知的搜索相关性评估 ★ 深度解读

Meituan · Beijing Institute of Technology

将多级相关性预测重构为题序二分类级联，用步级GRPO优化LLM推理并蒸馏至BERT，线上坏例率降低15.94%

📌 工作参考价值（4 点）

级联二分类适配序数标签：电商搜索相关性有自然顺序，高相关必须精准、低相关允许模糊，改为级联二分类可避免平坦多分类的代价不敏感，在线模型用双头BERT即可实现，计算量零增加。
结构化推理+步级GRPO：为LLM设计“意图分析→高/非高→中/低”的推理步骤，各步有独立二分类奖励，归一化到同阶段比较，避免容易步骤主导训练。这种细粒度信用分配可迁移到其他多步决策场景（如Agent规划）。
低成本移植LLM推理能力：用PostCoT蒸馏，让LLM将答案放在前缀，从首个token提取logits，按头聚合成对齐信号，结合硬标签训练双头BERT，既利用LLM的推理优势又满足在线延迟要求。
阈值校准控制线上风险：双头设置阈值τ1、τ2可单独调整，业务可按高召回或高精度要求调优，线上实测Badcase率下降15.9%，适合电商对排序错误零容忍的场景。

RecSys | 2026-07-27 | cs.IR | score 10/10

cascaded binary classification step-level GRPO relevance estimation e-commerce search LLM reasoning knowledge distillation

Joint Optimization of Relevance and Engagement in Multi-Task Ranking for E-Commerce with Efficient LLM Supervision

高效LLM监督的电商多任务排序：联合优化相关性与参与度

🧭 多任务排序 · 序数相关性 · LLM监督 ★ 深度解读

DoorDash Inc.

用LLM离线生成三级序数相关性标签，通过序数头融入多任务排序价值函数，实现相关性与参与度的可控权衡

📌 工作参考价值（4 点）

高质量相关性监督的规模化方案：使用大量人审数据 + 行为信号审计/校正（如高转化但人为标为不相关的样本用大LLM复核），再微调轻量LLM（GPT-4o-mini）批量生成亿级序数标签。标签分布需对齐线上真实比例以稳定分类行为。可直接复用到商品搜索/推荐的粗排或召回训练。
序数头 + 统一价值函数实现可控权衡：预测 p(r≥1) 和 p(r≥2) 并求和作为期望相关性标量，与 CTR/ATCR/CVR 预测通过可调权重组合成最终排序分。权重可作为线上配置项，通过小权重的相关性分量就能大幅提升语义匹配，而几乎不损伤转化。
单模型多目标集成，无额外推理成本：相关性头与参与度塔共享底层特征，复用 embedding 查找和特征加工，不增加在线延迟。这种“离线用 LLM，在线纯模型”的思路适合高 QPS 的电商场景。
标签生成流水线含 Q2T 模型辅助审核：当人审与 LLM 复审冲突时，用 Query-to-Taxonomy 模型判断商品类别是否匹配，以此选择采用更高或更低标签。这种“规则 + 模型”融合的清洗方法可借鉴到自家标注流程中。

RecSys | 2026-05-26 | cs.IR | score 10/10

multi-task learning e-commerce search relevance ranking LLM supervision ordinal relevance value model