猫眼影戏
 |
|
猫眼影戏
沃德尔
手机审查
猫眼影戏记者 伍忽叁 报道Q8X2R7L1T4J5M9B6W3
当你在电商平台搜索“苹果” ，系统会推荐“水果”照旧“手机”？或者直接跳到某个品牌旗舰店？短短一个词 ，背后承载了完全差别的购置意图。而推荐是否精准 ，直接影响用户的搜索体验 ，也影响平台的转化效率。
盘问推荐（Query Suggestion）是现代电商搜索系统中的要害功效 ，通过在用户输入历程中实时推荐相关盘问 ，资助用户快速明确意图 ，提升搜索体验与转化效率。古板要领通常接纳多阶段级联架构（MCA） ，虽然在效率与效果之间取得了一定平衡 ，但由于各阶段目的纷歧致、长尾盘问召回难题等问题 ，限制了系统性能的进一步突破。
基于上述问题 ，快手在业界首次提出端到端的天生式统一盘问推荐框架 ——OneSug ，乐成将召回、粗排、精排等多个阶段统一在一个天生模子中 ，显著提升了推荐效果与系统效率 ，在快手电阛阓景中实现了营业指标与用户体验的双重提升。
本事情相关效果《OneSug: The Unified End-to-End Generative Framework for E-commerce Query Suggestion》已被人工智能顶级聚会 AAAI 2026 吸收。
论文链接：https://arxiv.org/abs/2506.06913
一、研究配景
古板盘问推荐系统通常接纳多阶段级联架构 ，依次举行召回、粗排和精排。只管该架构在响应时间与转化率之间实现了一定平衡 ，但也带来了显着的局限性：
级联式框架（召回 -> 粗排 -> 排序） ，前一链路性能决议下一链路上限 ；召回、排序疏散手艺迭代范式 ，全链路统一目的优化难 ；长尾前缀由于缺乏历史行为数据 ，难以召回高质量 Query。
近年来 ，天生式检索（Generative Retrieval）因其强盛的语义明确与天生能力 ，在推荐与搜索领域展现出重大潜力。然而 ，现有要领多聚焦于视频推荐 ，其实质上是一个开集到开集的使命 ，难以直接应用于输入输出都是开放词表的的盘问推荐场景。
二、要领简介：OneSug 的三大焦点？
针对上述问题 ，快手提出了 OneSug 模子 ，整体架构如上图所示 ，主要包括 3 个部分：
（1）Prefix-Query 表征增强？椋≒refix2Query Representation Enhancement）
（2）统一的 Enc-Dec 天生架构（Unified Encoder-Decoder Architecture）
（3）用户行为偏好对齐（User Preference Alignment）
1. Prefix-Query 表征增强？
Sug 场景下 ，用户输入的前缀往往较短且意图模糊（如 “苹果” 可指水果或品牌）。为此 ，快手提出的解决方法分为 2 个部分。
语义与营业空间对齐：以 BGE 作为 base 模子 ，同时引入用户真实的 prefix2query、query2query 数据 ，使用比照学习对 BGE 举行微调 ，使其语义空间与快手电商的营业特征空间对齐。条理化语义 ID 天生：在对齐语义空间的基础上 ，引入 RQ-VAE ，为每个前缀和 Query 天生条理化的语义 ID。RQ-VAE 可将恣意文本映射为离散的语义 ID ，同时包管语义相近的 query 会被编码到相同的簇中。通过这种方法 ，关于任何一个用户输入的前缀 ，可以快速匹配到与其语义 ID 最靠近的 top-K 个相关 query ，作为增强上下文输入后续天生模子。
2. 统一的 Enc-Dec 天生架构
OneSug 的天生架构基于 Enc-Dec 结构 ，并直接通过自回归（Autoregressive）方法天生用户最有可能点击的 Query。
该模子的输入包括四个要害部分：
（1）用户目今输入前缀（如 “智能手机”）
（2）由 PRE ？樵銮康南喙嘏涛市蛄校ㄈ “智能手机性价比 2025”）
（3）用户历史行为序列（如已往搜索的 “蓝牙耳机”、“手机壳” 等）
（4）用户画像信息
输出即为模子天生的 Query 列表（如 “智能手机推荐 2025”、“智能手机性价比排行”）。
3. 用户行为偏好对齐（RWR）
3.1 用户偏好量化
3.2 混淆排序框架奖励加权偏好优化
古板的 DPO 使用 < 正样本 ，负样本 > 对举行训练 ，但默认两者一律主要。这在营业场景中是不对理的 ，由于区分 “点击” 和 “曝光” 的难度远小于区分 “点击” 和 “随机负样本”。
RWR 的焦点头脑是凭证正负样本之间的奖励差别 ，为差别的样本对付与差别的学习权重？焓止菇司胖掷嘈偷难径裕ㄈ
）。关于每一对样本 ，盘算其奖励差别权重 rwΔ：
3.3 混淆排序框架
为了战胜古板 Pairwise 范式的 DPO 在全局排序能力上的局限性 ，快手引入了一种混淆排序框架。该框架将 listwise 范式的排序损失和 point-wise 范式的 sft loss 举行混淆 ，使得模子既能获得高效的排序能力 ，同时阻止 reward hacking 造成的天生能力下降。
Pairwise 范式对齐模子 ，在包括多个负样本的候选中无法学习到 “哪个是最好的”。受 Plackett-Luce 模子启发 ，快手设计了 Listwise 排序损失 ，关于正样本 ，让模子同时拉大它与所有负样本的奖励差别 ，迫使模子不但要知道正样本比负样本好 ，还要学会在负样本越多、越强的情形下 ，依然将正样本排在前面 ，从而直接优化列表的整体排序质量。
论文中划分提出了基于 Pairwise 和 ListWise 范式的混淆排序框架 ，同时在理论上证实晰 Pairwise 范式的对齐模子是 ListWise 的特殊情形。
三、实验效果
离线效果
在快手电阛阓景的大规模数据集上 ，OneSug 在 HR@16 和 MRR@16 指标上均显著优于古板多阶段系统与天生式基线模子。论文中同时提到 ，OneSug 不但适用于 Enc-Dec 结构的天生式模子 ，Decode-only 架构的模子同样适用 ，且具有更高的离线指标 ，由于现阶段的推理耗时约束暂时没有举行在线实验。
在线 A/B
OneSug 模子现在已在快手电商搜索场景下全量推全。在 AB 实验中 ，OneSug 大幅度提高了 Ctr、订单和 GMV 等指标 ，同时人工测评 GSB 指标也有很大幅度的提升。
在线推理
线上流程完全取代了召回 - 粗排 - 精排 ，使平均耗时降低了 43.2% ，为后续优化提供了富足的空间。
四、总结与展望
OneSug 是业界首个在电阛阓景中实现全流量安排的端到端天生式 Query 推荐系统 ，其统一建模方法显著提升了语义明确与个性化推荐的能力 ，为天生式模子在搜广推的落地提供了新范式。
未来 ，快手将进一步探索大语言模子在排序阶段的强化学习优化、实时更新等偏向 ，一连推动端到端天生式系统在推荐、广告等多营业场景中的普遍应用。
??时势1：欧美性爱第一区二区三区
??01月19日,马来西亚留学生：向家乡“种草”中国文化,
尊重的段局长 ，列位向导 ，同志们：
,人人橾人人橾。??01月19日,加沙援助状况出现恶化迹象,
优异的起源是乐成的一半!
,188175神秘电影,一级黄色片视频网站,欧美AAAAAAAAAAAA。??时势2：美女与人妖com
??01月19日,“猎头”公司要求职者交“首月月薪80%”作推荐费 业内：注意识别风险,
虎子翻白眼 ，道：“你们家炊烟那么粗、那么冲？隔着一座山都能看到 ，那是失火了 ，走 ，我们去看一看。”
,国产熟女一区二区视频,911生猴子视频,凹凸欧美老妇牲交视频。??01月19日,新疆吐鲁番市高昌区亚尔镇新城西门村：饱满的葡萄 串起充实的生活,
祝福我们的母校事业蒸蒸日上 ，越发绚烂！谢谢各人！
,网站黄色视频a,秦彻炒菜视频在线观看,小婬荡做爰A片。??时势3：欧美日韩国产无在线播放
??01月19日,【党外人士话复兴】院士卢柯：科研的“游戏”永不结束, 张先生以为 ，网球明星的泛起与整个网球运动以及网球经济的生长是相互增进的 ，并形成正向反响。他说 ，明星越多 ，树模效应就越强 ，就会越发刺激网球运动的生长 ，网球经济热度也会越高。而打网球的人多了 ，就会涌现出更多的网球明星。,小舞 扒腿让我c的小黄书,18禁91在线播放,欧美特级欧美黄色视频。
??01月19日,上交所：境内指数化投资市场蓬勃发展 ETF已成为一项重要的资产管理工具,
看不出有什么异常处 ，很通俗与简朴的一个墟落 ，以山石砌成的石屋上晾着兽皮 ，挂着熏肉 ，鸡犬相闻 ，老人靠着墙根晒太阳 ，一群孩子相互追逐嬉闹。
,扒开内衣露胸强吸乳的游戏下载,av免费在线观看不卡的网站,黄色视频黄片。??时势4：无遮挡一级毛片久久久
??01月19日,“lululemon夏日乐挑战”年度社区活动在北京举行,
大风乍起 ，正是扬帆之时 ，我们正朝着院团委学生会全新一页的开启蓄势待发。
,日韩黄色性交,国产女女在线视频观看,英国黄片一级。??01月19日,已故大师“复现”，数智人大学还远吗,
各族之主没有轻举妄动 ，他们以为这株柳木很神秘 ，竟有一种深不可测的感受。
,欧美 亚洲 日韩免费在线视频,国产精品一区二区v∧黒丝,可切换老司机模式浏览器。【别样江南 常州焦溪古镇为何是“黄石半墙”？】
责编：张钊
审核：李洁
责编：杨顺义
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
