Snap 用一个共享 LLM 做检索，转化率提升 2.91%
_reachsumit · x · 2026-07-28
Snap 这篇论文提出 EGR，是一种面向推荐和广告的 embedding-native generative retrieval 框架。
- 核心做法是用 同一个共享 LLM 同时编码商品信息和用户历史，把两者放进同一个 embedding 空间。
- 它不再依赖 semantic-ID 量化，商品可以直接以稠密向量形式索引。
- 训练上采用联合对比学习，让用户查询与目标商品更好对齐。
- 论文在 Amazon Reviews 和 Snap DPA 上都有提升，生产环境里据称带来 +2.91% 的转化率提升。
这项工作的实际意义是：一边简化检索架构，一边提升广告效果，并且兼顾冷启动和多模态输入。
「公司和人」频道最新
- 前 Shopify 员工称 Tobi Lütke 处理文化问题是对的 — morganb · 2026-07-28
- Google、Meta、OpenAI 签署开放 AI 联名信，Anthropic 未加入 — FinanceYF5 · 2026-07-28
- AI 工程指南新增 4894 条岗位与 51 家公司面试数据 — Al_Grigor · 2026-07-28
- 一家公司把 AI 月账单从 120 万美元压到约 10 万美元 — HeyAmit_ · 2026-07-28
- Snap 的 SMART 把 LLM 成本降 90%，广告转化升 27.6% — _reachsumit · 2026-07-28
- Base 上已现数千万笔支付，Agentic Commerce 仍难被发现 — Timwal123 · 2026-07-28