阿里 SSR-GRPO：结合语义 ID 的电商检索 RL 方法
_reachsumit · x · 2026-08-21
阿里巴巴提出了 SSR-GRPO，一种用于电商搜索的强化学习方法。针对现有方法依赖 LLM 作为奖励模型带来的偏见问题，SSR-GRPO 利用语义 ID 和稠密表示向量生成更无偏的相关性分数，并挖掘硬负样本设计掩码函数过滤噪声。该方法通过结合监督检索和语义标识符，提升了复杂隐含语义的处理能力。
「研究」频道最新
- WEDGE 论文：把导航失败经历变成可学习的训练环境 — _akhaliq · 2026-10-16
- RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16
- Google 发布 CLASHarness:基准测试多智能体冲突下的计算机操作能力 — google · 2026-10-16
- 清华团队证明:普通 Flow Matching 采样无法突破固定深度模型表达力上限 — SQZ · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16