ShopX：电商Agent模型新框架
量子位 · wechat · 2026-07-11
这篇文章介绍了阿里团队提出的 **ShopX**：一个面向 agentic shopping 的电商大模型，目标是缓解大模型与外部检索系统之间的 **InterfaceLoss（接口损耗）**。作者指出，传统“LLM + 搜索工具”的方案会把复杂购物意图压缩成少量关键词，导致场景、偏好和多轮上下文在检索与排序过程中丢失。 ### 核心方案 - **模型原生履约**：让模型直接进入商品空间，完成规划、检索、排序、组合、生成回复，而不是只负责改写 query。 - **Serving Harness**：提供用户画像、商品目录映射和多轮状态三类服务，支持意图到商品、上下文个性化和状态化多轮履约。 - **SemanticID（SID）**：把商品编码成可生成、可恢复的语义 token，采用全局 + 局部混合编码，提高商品可区分性与语义可恢复性。 ### 训练方法 ShopX 以 Qwen3（4B/8B）为基座，分四阶段训练：对齐 SID token、领域持续预训练、指令微调、以及多教师在线蒸馏与强化学习。作者强调，最后一阶段不是只优化“找商品”，而是要同时保住对话、画像抽取、排序和解释能力。 ### 结果 - 在淘宝匿名真实日志评测中，ShopX 在单轮意图满足上略低于强搜索后端 baseline，但在**多轮反馈适应**和**跨轮引用**上明显更强。 - 相比 Qwen3-8B，ShopX 在商品关联推理、行为序列证据提取、画像证据提取、商品描述恢复等购物能力上提升显著。 - 通用能力大体保留，但高难度推理、数学等任务有一定下降，作者认为这是领域训练的代价。 ### 例子 文章给了单轮 Bundle Shopping 和多轮状态化对话两个案例，说明 ShopX 能更稳定地保留用户场景与已确认偏好。