猫眼影戏
 |
|
猫眼影戏
杨志群
手机审查
猫眼影戏记者 裴松之 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1：99riav无码
??01月20日,天气暖和了，过敏的人为啥也多了,
“啥 ，要捉独角兽？”呼啦一声 ，村中的男女老小出来一大片 ，在湖边寓目 。
,女人十八毛 。??01月20日,得物App获多项表彰，以高品质保障促进新质生产力发展,
最后 ，数百头坐骑 ，包括鳞马、独角兽、月犀等所有被穿在了柳条上 ，被卷回石村 ，而这一次它并没有罗致生命精气 ，直接甩落在街道上 。
,《好好疼爱里面》漫画免费观看,国产精品无码第一页,性生活a视频 。??时势2：欧美一级片欧美色性
??01月20日,【台胞“申”活】打卡魔都｜曾泰元：在上图东馆感受“智慧”阅读,
三、本学期事情要点
,a1级黄色网站,亚洲操逼视频一区二区,www 中文字幕 。??01月20日,陕西：禁止非法穿越秦岭核心保护区和太白山，违者将被罚,
他想到了《原始真解》 ，当中纪录有吞天雀这种远古魔禽 ，一口可吞数亿生灵 ，炼精血藏于己身 ，当需用时才会释放 。
,积积桶积积无掩盖教程,亚洲午夜精品久久久久久APP,可以免费直接观看的黄网站视频 。??时势3：国产国语对白在线高清视频
??01月20日,黑色星期一，日韩股市重挫！,
二、要迅速撤离 。一旦听到火灾警报或意识到自己被火围困时 ，要连忙想法撤离 。
,午夜理伦三级播放,爱福利国产视频,啊灬嗯用力张开腿妓女视频免费 。??01月20日,绝美“天空之城”：这就是秘鲁！,
??时势4：我的世界珍妮免费观看网站
??01月20日,今日全国铁路预计发送旅客1220万人次,
不过它的大眼睛却在骨碌碌地转动 ，已经最先在琢磨 ，今晚去惠顾这些孩子中的哪一家 ，总不可白给他们偷蛋吧？
,女人下面抽烟叫什么,国产毛片精品全部视频,野花日文免费电影 。??01月20日,河南平顶山煤矿事故涉事煤矿党委书记、矿长被免职,
“起！”
,黄片干净无码A片,歪歪 喷水漫,91高清 。责编：吴秀波
审核：钟苹
责编：苗稀
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
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
